更新Tensorflow中的变量片

Question

我有下面的代码片段，用torch用Lua编写，这是一种自定义的边缘检测算法：

 xGrad1[{{},{},{},{1,width-1}}] = input:narrow(4,2,width-1) - input:narrow(4,1,width-1)
 yGrad1[{{},{},{1,height-1},{}}] = input:narrow(3,2,height-1) - input:narrow(3,1,height-1)
 xGrad2[{{},{},{},{2,width}}] = input:narrow(4,2,width-1) - input:narrow(4,1,width-1)
 yGrad2[{{},{},{2,height},{}}] = input:narrow(3,2,height-1) - input:narrow(3,1,height-1)

 local xGrad = (torch.abs(self.xGrad1) + torch.abs(self.xGrad2))/2
 local yGrad = (torch.abs(self.yGrad1) + torch.abs(self.yGrad2))/2
 output = torch.sum(xGrad,2)+torch.sum(yGrad,2)

如您所见，表示图像宽度和高度的xGrad和yGrad张量的最后两个维度只被部分更新，例如，在xGrad2中，仅从列2到宽度-1。

现在，我想用Tensorflow和Python实现同样的结果。我不确定我的一般方法是否正确，但我已经将所有4级张量初始化为一个变量，并将它们预先填充为零。现在我在为这些部分的分配而挣扎。我和Variable.assign试过了，但没有运气。

目前，这是我的代码：

input = tf.image.decode_png(tf.read_file(f), 3)
input = tf.cast(input, tf.float32)

height = tf.shape(input)[0]
width = tf.shape(input)[1]

xGrad1 = tf.Variable(tf.zeros(tf.shape(input)), validate_shape=False)
yGrad1 = tf.Variable(tf.zeros(tf.shape(input)), validate_shape=False)
xGrad2 = tf.Variable(tf.zeros(tf.shape(input)), validate_shape=False)
yGrad2 = tf.Variable(tf.zeros(tf.shape(input)), validate_shape=False)

xGrad1[:, :width-2].assign(input[:,1:width-2] - input[:,:width-2])
yGrad1[:height-2].assign(input[1:height-2] - input[:height-2])
xGrad2[:, 1:width-1].assign(input[:,1:width-2] - input[:,:width-2])
yGrad2 [1, height-1].assign(input[1:height-2] - input[:height-2])

xGrad = (tf.abs(xGrad1) + tf.abs(xGrad2)) / 2
yGrad = (tf.abs(yGrad1) + tf.abs(yGrad2)) / 2

output = tf.reduce_sum(xGrad,axis=2) + tf.reduce_sum(yGrad,axis=2)

在将列表索引从Lua转换到python之后，当直接输出作为4个赋值命令的参数的计算时，我得到了不错的结果，但是输出xGrad1的内容时只有一个黑色的图像。

我假设存在形状不兼容的问题，但我已经将validate_shapes切换为False，因为在会话创建时我不知道输入的形状，因为输入图像是在会话开始后加载的。如果有人对此也有想法，请回答我，但现在我只是问如何只部分分配一个变量张量。

Answer 1

如果你想做一个切片作业，，你必须遵循这样的方法，

with tf.control_dependencies([xGrad1[:, :width-2].assign(input[:,1:width-2] - input[:,:width-2]), yGrad1[:height-2].assign(input[1:height-2] - input[:height-2]),xGrad2[:, 1:width-1].assign(input[:,1:width-2] - input[:,:width-2]),yGrad2 [1, height-1].assign(input[1:height-2] - input[:height-2])]): # should give the list of slice assignment here
 xGrad = (tf.abs(xGrad1) + tf.abs(xGrad2)) / 2
 yGrad = (tf.abs(yGrad1) + tf.abs(yGrad2)) / 2

output = tf.reduce_sum(xGrad,axis=2) + tf.reduce_sum(yGrad,axis=2)

sess = tf.Session()
with sess.as_default():
    sess.run(tf.global_variables_initializer())
    output= output.eval()

下面是对Tensorflow，https://stackoverflow.com/a/43139565/6531137中切片赋值的一个很好的解释

希望这能有所帮助。