Tensorflow：如何修改张量中的值

Question

Tensorflow：如何修改张量中的值

16

由于在使用Tensorflow训练模型之前需要对数据进行一些预处理，因此需要对张量tensor进行一些修改。然而，我不知道如何像使用numpy那样修改tensor中的值。

最好的方法是直接修改tensor，但在当前版本的Tensorflow中似乎不可能。另一种替代方法是将tensor转换为ndarray进行处理，然后再使用tf.convert_to_tensor进行转换。

关键在于如何将tensor转换为ndarray。
1)tf.contrib.util.make_ndarray(tensor)：https://www.tensorflow.org/versions/r0.8/api_docs/python/contrib.util.html#make_ndarray
根据文档看，这似乎是最简单的方法，但是在当前版本的Tensorflow中找不到此函数。其次，它的输入是TensorProto，而不是tensor。
2）使用a.eval()将a复制到另一个ndarray中。
但是，它仅适用于在笔记本中使用tf.InteractiveSession()时。

下面是一个带有代码的简单案例。此代码的目的是在处理后使tfc具有与npc相同的输出。

提示
您应该将tfc和npc视为彼此独立。这符合最初检索到的训练数据以tensor格式和tf.placeholder()中。

源代码

import numpy as np
import tensorflow as tf
tf.InteractiveSession()

tfc = tf.constant([[1.,2.],[3.,4.]])
npc = np.array([[1.,2.],[3.,4.]])
row = np.array([[.1,.2]])
print('tfc:\n', tfc.eval())
print('npc:\n', npc)
for i in range(2):
    for j in range(2):
        npc[i,j] += row[0,j]

print('modified tfc:\n', tfc.eval())
print('modified npc:\n', npc)

输出：

tfc：
[[ 1. 2.]
[ 3. 4.]]
npc：
[[ 1. 2.]
[ 3. 4.]]
修改后的tfc：
[[ 1. 2.]
[ 3. 4.]]
修改后的npc：
[[ 1.1 2.2]
[ 3.1 4.2]]

- user3030046

2个回答

0

我曾经为此苦苦挣扎。所给出的答案将向图形中添加“assign”操作（因此，如果您随后保存检查点，则会不必要地增加.meta的大小）。更好的解决方案是使用tf.keras.backend.set_value。可以通过以下方式使用原始tensorflow来模拟：

    for x, value in zip(tf.global_variables(), values_npfmt):
      if hasattr(x, '_assign_placeholder'):
        assign_placeholder = x._assign_placeholder
        assign_op = x._assign_op
      else:
        assign_placeholder = array_ops.placeholder(tf_dtype, shape=value.shape)
        assign_op = x.assign(assign_placeholder)
        x._assign_placeholder = assign_placeholder
        x._assign_op = assign_op
      get_session().run(assign_op, feed_dict={assign_placeholder: value})

- user5931

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Sung Kim · Accepted Answer

使用assign和eval（或sess.run）分配：

import numpy as np
import tensorflow as tf

npc = np.array([[1.,2.],[3.,4.]])
tfc = tf.Variable(npc) # Use variable 

row = np.array([[.1,.2]])

with tf.Session() as sess:   
    tf.initialize_all_variables().run() # need to initialize all variables

    print('tfc:\n', tfc.eval())
    print('npc:\n', npc)
    for i in range(2):
        for j in range(2):
            npc[i,j] += row[0,j]
    tfc.assign(npc).eval() # assign_sub/assign_add is also available.
    print('modified tfc:\n', tfc.eval())
    print('modified npc:\n', npc)

输出结果为:

tfc:
 [[ 1.  2.]
 [ 3.  4.]]
npc:
 [[ 1.  2.]
 [ 3.  4.]]
modified tfc:
 [[ 1.1  2.2]
 [ 3.1  4.2]]
modified npc:
 [[ 1.1  2.2]
 [ 3.1  4.2]]