python - 如何使用 tf.scatter_add 在 tensorflow 中增加矩阵元素？

Question

tf.scatter_add 适用于一维(形状 1)张量:

> S = tf.Variable(tf.constant([1,2,3,4]))
> sess.run(tf.initialize_all_variables())
> sess.run(tf.scatter_add(S, [0], [10]))

array([11,  2,  3,  4], dtype=int32)

> sess.run(tf.scatter_add(S, [0, 1], [10, 100]))

array([ 21, 102,   3,   4], dtype=int32)

但是我怎样才能增加，比如

的 [0,0] 元素

M = tf.Variable(tf.constant([[1,2], [3,4]]))

使其成为 [[2, 2], [3, 4]] 使用 tf.scatter_add？

official documentation有点神秘。我尝试了不同的 arg 值，比如说

> sess.run(tf.scatter_add(M, [[0, 0]], [1]))
*** ValueError: Shapes (1,) and (1, 2, 2) are not compatible

还没有成功。

顺便说一句，在我的例子中，M 非常大并且可以动态调整大小。 所以给M加上0-but-1等于1的元素矩阵就不是这样了。

Answer 1

tf.scatter_add 更新张量的切片并且不能更新单个系数。例如，它可以一次更新矩阵的整行。

此外，tf.scatter_add 的 updates 参数的形状取决于其 indices 参数的形状。当 ref 参数是形状为 (M, N) 的矩阵时，则

• 如果indices 是标量i，则updates 应该是形状为(N) 的向量。
• 如果 indices 是形状为 (k) 的向量 [i1, i2, .. ik]，则 updates 的格式应为 (k, N)。

在你的情况下，你可以简单地将 [1, 0] 添加到 M 的第一行，如下所示以获得你想要的效果:

sess.run(tf.scatter_add(M, 0, [1, 0]))
array([[2, 2],
   [3, 4]], dtype=int32)