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 我似乎无法分配张量，我该如何解决呢？

Answer 1

通常，TensorFlow张量对象不可分配*，因此您不能在作业的左侧使用它。

你要做的最简单的方法是建立一个Python的张量列表，并在循环结束时将它们tf.stack()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)

* tf.Variable个对象除外，使用Variable.assign()等方法。但是，rnn.rnn()可能会返回不支持此方法的tf.Tensor对象。

Answer 2

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：

array（[0,0,1]，dtype = int32）

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

Answer 3

已经有张量时，使用tf.unstack（TF2.0）将张量转换为列表，然后使用@mrry提到的tf.stack。（使用多维张量时，请注意unstack中的轴参数）

a_list = tf.unstack(a_tensor)

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

a_tensor = tf.stack(a_list)

Answer 4

正如comment所说，一种解决方法是在所需区域上创建一个 NEW 张量，其中前一个张量和一个新的张量。

创建一个形状为outputs的蒙版，其中要替换的索引上带有0，其他位置为1（也可以与True和False一起使用）
使用新的所需值创建一个形状为outputs的新矩阵：new_values
仅用outputs_new = outputs* mask + new_values * (1 - mask)

如果您要为我提供MWE，我可以为您提供代码。

此注释很好参考：How to Replace Values by Index in a Tensor with TensorFlow-2.0

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

4 个答案: