Tensorflow2——tensor where scatter_nd 在tensor的指定位置插入数据

最新推荐文章于 2024-03-24 11:05:56 发布
最新推荐文章于 2024-03-24 11:05:56 发布
阅读量755 收藏 1
点赞数
分类专栏： tensorflow 文章标签： tensorflow
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43201090/article/details/114883223
版权

一、where

  1. tf.where( mask )
    根据给定的bool矩阵 返回值为true的坐标
    在这里插入图片描述
  2. tf.where(mask,A,B)
    根据给定的bool矩阵，在true的坐标上放A矩阵对应坐标值 在false的坐标上放B矩阵对应坐标值
    在这里插入图片描述

二、scatter_nd

在指定shape的tensor上 根据indices上 插入 update中的值
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

zero requiem
关注
专栏目录
tensorflow 高级函数 where,gather,gather_nd
炫云云
05-20 334
文章目录tf.gatherexample 1example 2tf.gather_ndexample 1example 2tf.boolean_masktf.where()scatter_ndmeshgrid参考 import tensorflow as tf import numpy as np tf.gather tf.gather(params, indices, …, axis=0) 作用: 根据indices从params的指定轴axis索引元素(类似于仅能在指定轴进行一维索引) 返回维度:
深度学习TF—2.TensorFlow2高阶操作
柳杰的博客
02-22 513
文章目录一、合并与分割1. tf.concat-合并-原有的维度上进行累加2.tf.stack-合并-创造一个新的维度3.tf.unstack-分割4.tf.split-分割二、数据统计操作1.tf.norm—张量的范数2.tf.reduce_max/min/mean/sum—张量的最大值、最小值、平均值、和3.tf.argmax/argmin—张量最大值的位置与最小值的位置4.tf.equal—张量的比较5.tf.unique—张量的独特值三、张量排序1.tf.sort-排序/tf.argsort-排序并
tf.tensor_scatter_nd_update
luoganttcc的博客
06-10 1732
对应位置的索引赋值 这里是一维坐标赋值 import tensorflow as tf tensor = [0, 0, 0, 0, 0, 0, 0, 0] # tf.rank(tensor) == 1 indices =[ [1], [3],[4], [7]] # num_updates == 4, index_depth == 1 updates = [ 9, 10, 11, 12] # num_updates == 4 print(tf.
使用tf.tensor_scatter_nd_update对张量进行赋值
XYQLTX的博客
04-02 1238
主要参数为三个：ref是被赋值的张量，indices是具体的索引位置，是整数类型的张量，updates是要赋值的张量，注意与ref为同样类型。该函数就是将ref[indices]的值替换为updates。tf.tensor_scatter_nd_update()是根据指定索引值（或切片）对张量进行新赋值。注意如果整行的赋值，updates 需要给出这一行所有的新值。对于二维张量的坐标赋值，注意indices 中每个元素为索引的[行，列]。利用行索引赋值整行（切片赋值）对于一维张量的坐标赋值。
Tensorflow深度学习之三十二： tf.scatter_nd_update
DaVinciL的博客
11-13 6850
一、tf.scatter_nd_update    函数定义： tf.scatter_nd_update( ref, indices, updates, use_locking=True, name=None )    Applies sparse updates to individual values or slices in a Variable. ...
【Pytorch】Tensor的元素操作
zzy_NIC的博客
08-04 9017
Tensor的操作 Tensor的主要运算操作通常分为四大类： Reshaping operations（重塑操作） Element-wise operations（元素操作） Reduction operations（缩减操作） Access operations（访问操作） 元素操作 ​ 元素在张量中的位置由定位每个元素的索引决定，而元素操作是对张量元素的运算，这些张量元素在张量中对应或有相同的索引位置，这里需要重点强调的是，两个张量必须具有相同的形状才能执行一个元素操作，而具有相同的形状意味着张量
TensorFlow2-高阶操作（八）：gather/gather_nd（已知元素的位置，从张量中提取该元素）、scatter_nd/scatter_nd_update（已知赋值位置，向0张量中赋值）
u013250861的博客
04-18 1710
一、tf.gather()函数 tf.gather( params, # 传入的tensor indices, # 指定的索引 validate_indices=None, # 不重要 name=None, # 命名 axis=None, # 指定轴 batch_dims=0) 功能：就是抽取出params的第axis维度上在indices里面所有的index params是要查找的张量，ind
Tensor及基本数据操作
托尼stark的博客
04-08 7174
在Pytorch中torch.Tensor是存储和变换数据的主要工具，Tensor一般译作张量，可以看做是一个多维数组。标量可以看作0维张量，向量可以看做1维张量，矩阵可以看做2维张量。Pytorch中函数的操作对象基本都是Tensor。根据存储类型的不同有FloatTensor(32位)和LongTensor(64位)。 一、基本函数：1.查看Pytorch的版本： import torch print(torch.__version__) 创建一个随机未初始化的5x3的Tensor.
tensorflow 行转为列_tensorflow中，一个tensor如何交换两列（或者两行）之间的值？...
weixin_39727005的博客
12-19 890
有很多骚操作可以用，按照具体需求选择性能最佳的一款：所有代码示例都是交换矩阵src的0、2两行1、可以用tf.gather或者tf.embedding_look_up按照需要的行列顺序直接提取出目标矩阵。这个操作简单粗暴，而且是可导的，导数是用稀疏形式表示的。gather通常是从成千上万行矩阵里提取几行几列，所以他的导数设计为了一种稀疏表示形式，但是在交换这个案例下，你gather了所有行列，使得...
TensorFlow改变张量特定切片中元素的值
weixin_41583345的博客
03-19 1598
有时我们希望改变TensorFlow张量中某些元素的值。然而在TensorFlow中，Tensor对象不支持切片赋值。我们可以通过改变张量某些元素的值来获取一个新的张量，从而实现上述功能。
类似PyTorch中的Scatter算子的实现
xi_xiyu的博客
10-26 622
目前在broadcast方法中,numpy接口并没有提供类似原生接口中的argwhere方法, 并且where方法与原生numpy中的方法也并不一样,所以在这里只能从ms.Tensor转换成np.Arrray进行操作.1、 在PyTorch中, index矩阵中的位置和具体值形成实际的index, 然后将src中的值依据实际的index来写到self中。PyTorch中的Scatter算子与MindSpore.ops中的ScatterNd算子并不能一一对应。计划1.8.1版本支持。
【动手学深度学习】Tensor数据操作
ccql's Blog
01-23 1643
Tensor数据操作 文章目录Tensor数据操作1. Tensor创建2. 索引3. 改变形状4. 广播机制5. 运算的存储机制6. Tensor和NumPy相互转换7. 梯度 1. Tensor创建 # 导入一些常用库 import torch from IPython import display from matplotlib import pyplot as plt import numpy as np import random import torch.nn as nn import torc
tensorflow 张量插入或者删除的办法
热门推荐
shuijiaobuzhundahulu的博客
11-20 1万+
如下所示 part1 = new_enc_in[:, 0:3 ] part2 = new_enc_in[:, 3:] ###part_new 要插入的张量 new_enc_in = tf.concat([part1, part_new, part2], 1) ##得到的张量里part_new为新插入列 ##如果要删除，则修改part2的范围 part1 = new_enc_in[:, 0...
pytorch如何向tensor结尾添加元素或维度--torch.cat()、torch.unsqueeze()的用法
最新发布
liji_digital的博客
03-24 2439
0意味着新元素4将沿着1,5,0的方向连接下去。所以增加的是[[4,4,4]]，而不是[4,4,4]。原来p是沿着1,5,0 ----->增加的，这是p唯一的维度。unsqueeze之后，[1,5,0]成为p的第一个元素，下面可以再增加一个三元tensor，接在[1,5,0]后面。p--p含有三个变量，而torch,Tensor([4])显然只有一个变量。如下图，q已经是2行3列的tensor了，但是还可给它添加1行3列的[4,4,4]增加[4,4,4]：（注意，这里加入的其实是[[4,4,4]]）
详解Tensor用法
weixin_43485035的博客
07-24 8945
Tensor的操作 张量的数据属性与 NumPy 数组类似，如下所示： 张量的操作主要包括张量的结构操作和张量的数学运算操作。 Tensor的结构操作包括：创建张量，查看属性，修改形状，指定设备，数据转换， 索引切片，广播机制，元素操作，归并操作； Tensor的数学运算包括：标量运算，向量运算，矩阵操作，比较操作。 未完待续。。。 ...
MindSpore报错 ScatterNdUpdate这个算子在Ascend硬件上不支持input0是int32的数据类型
weixin_45666880的博客
02-21 135
定位报错问题的步骤：1、找到报错的用户代码行：;2、 根据日志报错信息中的关键字，缩小分析问题的范围：;3、需要重点关注变量定义、初始化的正确性。
PyTorch中tensor的相关操作
小鬼漫步的博客
03-08 2713
PyTorch中tensor的相关操作list、numpy、tensor两两之间的相关转换list 转 numpynumpy 转 list用numpy创建tensorlist 转 torch.Tensortorch.Tensor 转 listtorch.Tensor 转换为numpytensor(PyTorch)的一些基本操作tensor 设置数据类型tensor 创建注意的几个Tips单个元素tensor取值不同维度tensor最大值（最小值）的选择tensor 的拆分、拼接、加减乘除、乘方、开方、指数、
tf.add()、tf.subtract()、tf.multiply()、tf.div()函数的用法
devinzkx的博客
05-15 806
tf
pytorch入门教程之(一)-新建tensor的几种方法
mbshqqb的博客
11-14 1211
新建tensor的几种方法 从list创建 a = torch.FloatTensor([2, 3.3]) # 尽量少用这种方式,容易和给shape的情况看混淆 b = torch.tensor([2, 3.3]) # 现有list时尽量用这种方式 注意小写的tensor只接受现有的数据；而大写的Tensor相当于就是FloatTensor，既可以接收现有的数据，也可以接受shape来创...
torch.tensor.scatter_转化为tensorflow代码
03-13
以下是将torch.tensor.scatter_转化为tensorflow代码的示例： ...这段代码将torch.tensor.scatter_函数的功能转化为了tensorflow中的tensor_scatter_nd_update函数。它将一个张量的指定行插入到另一个张量的指定行。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值