使用tf.tensor_scatter_add在张量第一维度插入切片报错求助

咱们先一步步拆解你代码里的问题，从明显的拼写错误到核心的维度匹配问题：

1. 先修正代码里的拼写小错误 #

你这段代码里有两处变量名拼写不一致的问题：

• 初始化Session时用的是se，但后面调用却写成了ses
• 最后打印的变量是scatter，但实际要运行的是定义好的updated

修正后的基础代码如下：

indices = tf.constant([[0], [2]])
updates = tf.constant([[[5, 5, 5, 5], [6, 6, 6, 6], [7, 7, 7, 7], [8, 8, 8, 8]], [[5, 5, 5, 5], [6, 6, 6, 6], [7, 7, 7, 7], [8, 8, 8, 8]]])
tensor = tf.ones([4, 5, 4])
updated = tf.tensor_scatter_add(tensor, indices, updates)
with tf.Session() as ses:
    print(ses.run(updated))

2. 核心报错原因：维度不匹配 #

就算修正了拼写，这段代码还是会报错，因为**tf.tensor_scatter_add要求updates的形状必须和indices指向的原张量切片形状完全一致**。

咱们理清楚各部分的维度：

• 原tensor的形状是[4, 5, 4]：第一维度有4个元素，每个元素是5行4列的矩阵
• 你的indices = [[0], [2]]：表示要对原张量的第0个和第2个第一维度元素做加法更新
• 但你的updates形状是[2, 4, 4]：每个更新切片是4行4列的矩阵，和原张量的5行4列切片形状不匹配，这就是报错的根源。

如果你是想给现有位置的矩阵做加法更新 #

那只需要把updates的形状改成[2,5,4]，让每个更新切片和原张量的第一维度元素形状一致就行，示例代码：

indices = tf.constant([[0], [2]])
# 调整updates为每个切片是5行4列，和原张量的第一维度元素匹配
updates = tf.constant([[[5]*4]*5, [[5]*4]*5])
tensor = tf.ones([4, 5, 4])
updated = tf.tensor_scatter_add(tensor, indices, updates)
with tf.Session() as ses:
    print(ses.run(updated))

这样运行后，原张量的第0和第2个5x4矩阵就会加上对应的更新矩阵。

如果你是想在第一维度插入新的矩阵切片（不是加法更新） #

那tf.tensor_scatter_add做不到这个功能——它的作用是对现有位置的元素做加法，不是插入新元素。这时候你需要用tf.concat来拆分原张量并拼接新切片，举个例子：
假设你想在原张量的索引0和2位置插入新的4x4矩阵（注意要保证插入切片和原张量的后两个维度匹配，这里我把原张量调整为[4,4,4]来适配你的更新切片）：

tensor = tf.ones([4, 4, 4])
# 要插入的两个4x4矩阵切片
insert_slices = tf.constant([[[5,5,5,5],[6,6,6,6],[7,7,7,7],[8,8,8,8]],
                             [[5,5,5,5],[6,6,6,6],[7,7,7,7],[8,8,8,8]]])
# 拆分原张量并按位置拼接插入切片
result = tf.concat([
    insert_slices[0:1],  # 在开头插入第一个切片
    tensor[0:2],         # 原张量的前2个元素
    insert_slices[1:2],  # 在索引2位置插入第二个切片
    tensor[2:]           # 原张量剩下的元素
], axis=0)

with tf.Session() as ses:
    print(ses.run(result).shape)  # 输出 (6,4,4)，符合插入后的维度预期

内容的提问来源于stack exchange，提问作者user12486020