Tensorflow 等效于 torch.Tensor.index_copy

Question

我正在实现tensorflow等效于 model 这里最初使用pytorch实现。 一切都很顺利，直到我遇到了这行特定的代码。

batch_current = Variable(torch.zeros(size, self.embedding_dim))

# self.embedding and self.W_c are pytorch network layers I have created
batch_current = self.W_c(batch_current.index_copy(0, Variable(torch.LongTensor(index)),
                                                         self.embedding(Variable(self.th.LongTensor(current_node)))))

如果搜索index_copy的文档，似乎它所做的只是在某个索引和公共轴上复制一组元素并将其分配给另一个张量。 但我真的不想写一些有问题的代码，所以在尝试任何自我实现之前，我想知道你们是否知道我如何 go 来实现它。

model 来自本文，是的，我搜索了其他tensorflow实现，但它们对我来说似乎没有多大意义。

Answer 1

您需要的是tensorflow中的tf.tensor_scatter_nd_update来获得类似pytorch的Tensor.index_copy_的等效操作。 下面是一个演示。

在pytorch中，您有

import torch 

tensor = torch.zeros(5, 3)
indices = torch.tensor([0, 4, 2])
updates= torch.tensor([[1, 2, 3], 
                       [4, 5, 6], 
                       [7, 8, 9]], dtype=torch.float)
tensor.index_copy_(0, indices, updates)

tensor([[1., 2., 3.],
        [0., 0., 0.],
        [7., 8., 9.],
        [0., 0., 0.],
        [4., 5., 6.]])

而在tensorflow ，你可以做

import tensorflow as tf

tensor = tf.zeros([5,3])
indices = tf.constant([[0], [4], [2]])
updates  = tf.constant([[1, 2, 3], 
                        [4, 5, 6], 
                        [7, 8, 9]], dtype=tf.float32)
tensor = tf.tensor_scatter_nd_update(tensor, indices, updates)
tensor.numpy()
array([[1., 2., 3.],
       [0., 0., 0.],
       [7., 8., 9.],
       [0., 0., 0.],
       [4., 5., 6.]], dtype=float32)