更新张量流中的张量切片

我想更新 3 维张量的切片。下列的如何在 Tensorflow 中进行切片分配 https://stackoverflow.com/questions/39157723/how-to-do-slice-assignment-in-tensorflow/43139565#43139565我会做类似的事情

import tensorflow as tf

with tf.Session() as sess:
    init_val = tf.Variable(tf.zeros((2, 3, 3)))
    indices = tf.constant([[0, 0, 0], [0, 0, 1], [0, 1, 0], [0, 1, 1]])
    update = tf.scatter_nd_add(init_val, indices, tf.ones(4))

    init = tf.global_variables_initializer()
    sess.run(init)
    print(sess.run(update))

这是可行的，但由于我的实际问题更复杂，我想通过定义切片的开头和大小来以某种方式自动生成索引集，例如您是否会使用tf.slice(...)。你有什么想法？提前致谢！

我使用的是 TensorFlow 1.12，这是目前最新的版本。

tf.strided_slice https://www.tensorflow.org/api_docs/python/tf/strided_slice支持传递一个var参数来指示切片引用的变量，因此当您传递它时，它将返回一个可分配的对象（我不确定为什么他们不只是根据输入的类型这样做，但无论如何）。你可以这样做：

import tensorflow as tf
import numpy as np

var = tf.Variable(np.ones((3, 4), dtype=np.float32))
s = tf.strided_slice(var, [0, 2], [2, 3], var=var, name='var_slice')
s2 = s.assign([[2], [3]])
init_op = tf.global_variables_initializer()
with tf.Session() as sess:
    sess.run(init_op)
    print(sess.run(s2))

Output:

[[1. 1. 2. 1.]
 [1. 1. 3. 1.]
 [1. 1. 1. 1.]]

请注意，在tf.strided_slice https://www.tensorflow.org/api_docs/python/tf/strided_slice您给出开始和结束索引（不包括结束），与tf.slice https://www.tensorflow.org/api_docs/python/tf/slice，您可以在其中给出开始和大小。另外，按照目前的代码，您必须为切片或分配操作提供一个名称值（我认为这应该是一个错误，并且发生的原因是 API 的该部分几乎完全在内部使用）。