我已经编写了一个程序来更新从一个张量到另一个张量的行。下面是我想要达到的一个非常基本的想法
with tf.Session() as sess:
A = tf.Variable(
[[[0.2, 0.8, 0.1], [0.0, 1.0, 3.0], [0.0, 1.0, 3.0]], [[0.0, 1.0, 1.0], [0.0, 1.0, 0.5], [0.0, 1.0, 3.0]],
[[0.0, 1.0, 0.6], [0.0, 1.0, 0.4], [0.0, 1.0, 3.0]]])
B = tf.Variable(
[[[1.2, 1.8, 1.1], [1.1, 1.1, 3.1], [1.1, 1.1, 3.1]], [[1.1, 1.1, 1.1], [1.1 ,1.1, 1.5], [1.1, 1.1, 3.1]],
[[1.0, 1.0, 1.6], [1.1, 1.1, 1.4], [1.1, 1.1, 3.1]]])
sess.run(tf.global_variables_initializer())
parent1 = 0
parent2 = 1
print("\n A")
print(sess.run(A[parent2][0]))
# A=[0. 1. 1.]
print("\n B")
print(sess.run(B[parent1][0]))
# B=[0.2 0.8 0.1]
print("\n Result")
B = B[0,0].assign(A[1,0])
print(sess.run(B[0]))
# Result
# [[0. 1. 1. ]
# [1.1 1.1 3.1]
# [1.1 1.1 3.1]]
这很管用。添加第二个运算符时出现问题:
print("\n Result")
B = B[0,0].assign(A[1,0])
B = B[1,0].assign(A[0,0])
然后我被击中(底部的完整堆栈跟踪):
ValueError: None values not supported.
似乎出于某种原因,它试图做一个张量的内部转换,出于某种原因,一个None类型被传递。我试着在继续之前评估变量,但也不起作用。我的想法是达到一个点,我可以利用这样一个循环:
for i in indexes:
B = B[parent1][i].assign(A[parent2][i])
B = B[parent2][i].assign(A[parent1][i])
完整堆栈跟踪:
Traceback (most recent call last):
File "tensorflow\python\framework\op_def_library.py", line 527, in _apply_op_helper
preferred_dtype=default_dtype)
File "tensorflow\python\framework\ops.py", line 1224, in internal_convert_to_tensor
ret = conversion_func(value, dtype=dtype, name=name, as_ref=as_ref)
File "tensorflow\python\framework\constant_op.py", line 305, in _constant_tensor_conversion_function
return constant(v, dtype=dtype, name=name)
File "tensorflow\python\framework\constant_op.py", line 246, in constant
allow_broadcast=True)
File "tensorflow\python\framework\constant_op.py", line 284, in _constant_impl
allow_broadcast=allow_broadcast))
File "tensorflow\python\framework\tensor_util.py", line 454, in make_tensor_proto
raise ValueError("None values not supported.")
ValueError: None values not supported.
尽管我还没有弄清楚这个bug,但当前解决这个问题的一个方法是使用
tf.assign
。你知道吗B=B[0,0]。分配(A[1,0]) B=B[1,0]。赋值(A[0,0])
我试图复制你的代码,但没有得到相同的错误,而是得到“切片分配只支持变量”。这也是正确的,因为一旦B被切片,它就不再是一个变量,而是一个张量。你知道吗
numpy风格的切片表示法(tensor[a:b])只是较长的tensorflow表示法的简写tf.切片(张量,a,a+b)在图上输出一个新的张量运算(参见https://www.tensorflow.org/api_docs/python/tf/slice)。你知道吗
希望这有助于理解这个问题。你知道吗
相关问题 更多 >
编程相关推荐