如何在不破坏计算图的情况下为变量分配值

Question

我正在尝试实现应用于图的基本注意力机制。为了加快处理过程，我从邻接矩阵构造了两个新矩阵L和R。L和R的形状为（number_of_edges，number_of_nodes），L的每一行代表边的起始节点，R代表结束节点。这样，我可以同时计算所有注意力系数。 您可以在下面看到代码。我还用需要学习的权重矩阵乘以L和R。

 LH = broadcast_matmul(self.L, H)
 LHws = self.Ws(LH)
 RH = broadcast_matmul(self.R, H)
 RHwd = self.Wd(RH)
 X = LHws + RHwd
 scores = self.V(X)

到目前为止，我将得分变量内的所有注意力系数作为1d向量。为了将它与图相乘，我需要它具有邻接矩阵的形状（将所有1替换为带有分数的adj矩阵）。我的问题来了，我该如何做到而又不破坏计算图。我试图创建一个新的张量，但这没有用。任何想法都非常受欢迎。预先谢谢你。