类型错误：“张量”对象不支持TensorFlow

项任务，我尝试运行这段代码：类型错误：“张量”对象不支持TensorFlow

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)

，但我得到的最后一行错误： TypeError: 'Tensor' object does not support item assignment 看来我不能分配给张量，我该如何解决它？

来源

2016-06-08 Nils Cao

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

做你想做什么，最简单的方法是构建张量的Python列表，并tf.stack()在一起在循环的末尾：

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)

*随着例外tf.Variable对象，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。

来源

2016-06-08 15:35:16 mrry

魔兽，谢谢你了:) –

注从TensorFlow 1.0开始，'tf.pack（）'已被替换为[tf.stack（）]（https://www.tensorflow.org/api_docs/python/tf/stack）。 – CNugteren

我更新了答案以反映新的API。 – mrry

另一种方法，你可以这样做。

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

则输出是：

阵列（[0,0，1]，D型细胞= INT32）

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

来源

2017-07-19 07:47:37

我试图以这种方式实现时似乎出现错误： 'x = tf.Variable（tf.ones（[1,2,2,3]，tf.float32））' 'x = x [：，：，：1] .assign（2.0）' 'with tf.Session（）as sess：' 'sess.run（tf.global_variables_initializer（））' 'x_data = sess.run（x ）' – Moondra

类型错误：“张量”对象不支持TensorFlow

回答

相关问题