TypeError:'Tensor'对象不支持TensorFlow中的项目分配

Question

我尝试运行此代码:

outputs, states = rnn.rnn(lstm_cell, x, initial_state=initial_state, sequence_length=real_length)

tensor_shape = outputs.get_shape()
for step_index in range(tensor_shape[0]):
    word_index = self.x[:, step_index]
    word_index = tf.reshape(word_index, [-1,1])
    index_weight = tf.gather(word_weight, word_index)
    outputs[step_index,  :,  :]=tf.mul(outputs[step_index,  :,  :] , index_weight)

但我在最后一行得到错误: TypeError: 'Tensor' object does not support item assignment 似乎我无法分配张量,我该如何解决？

Answer 1

通常,TensorFlow张量对象不可分配*,因此您不能在赋值的左侧使用它.

你要做的最简单的方法是建立一个张量的张量列表,并tf.stack()在循环结束时将它们放在一起:

outputs, states = rnn.rnn(lstm_cell, x, initial_state=initial_state,
                          sequence_length=real_length)

output_list = []

tensor_shape = outputs.get_shape()
for step_index in range(tensor_shape[0]):
    word_index = self.x[:, step_index]
    word_index = tf.reshape(word_index, [-1,1])
    index_weight = tf.gather(word_weight, word_index)
    output_list.append(tf.mul(outputs[step_index, :, :] , index_weight))

outputs = tf.stack(output_list)

 *除了tf.Variable对象,使用Variable.assign()等方法.但是,rnn.rnn()可能会返回tf.Tensor不支持此方法的对象.

Answer 2

当您已经有了张量时，使用tf.unstack (TF2.0) 将张量转换为列表，然后像 @mrry 提到的那样使用 tf.stack 。（使用多维张量时，请注意 unstack 中的 axis 参数）

a_list = tf.unstack(a_tensor)

a_list[50:55] = [np.nan for i in range(6)]

a_tensor = tf.stack(a_list)

Answer 3

你可以这样做的另一种方式.

aa=tf.Variable(tf.zeros(3, tf.int32))
aa=aa[2].assign(1)

然后输出是:

数组([0,0,1],dtype = int32)

参考:https://www.tensorflow.org/api_docs/python/tf/Variable#assign