類型錯誤：「張量」對象不支持TensorFlow

項任務，我嘗試運行這段代碼：類型錯誤：「張量」對象不支持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)

，但我得到的最後一行錯誤： TypeError: 'Tensor' object does not support item assignment 看來我不能分配給張量，我該如何解決它？

來源

2016-06-08 Nils Cao

通常，TensorFlow張量對象不可分配*，因此您不能在分配的左側使用它。

做你想做什麼，最簡單的方法是構建張量的Python列表，並tf.stack()在一起在循環的末尾：

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)

*隨着例外tf.Variable對象，使用Variable.assign()等方法。但是，rnn.rnn()可能會返回不支持此方法的tf.Tensor對象。

來源

2016-06-08 15:35:16 mrry

魔獸，謝謝你了:) –

注從TensorFlow 1.0開始，'tf.pack（）'已被替換爲[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

另一種方法，你可以這樣做。

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

則輸出是：

陣列（[0,0，1]，D型細胞= INT32）

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

來源

2017-07-19 07:47:37

我試圖以這種方式實現時似乎出現錯誤： '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

類型錯誤：「張量」對象不支持TensorFlow

回答

相關問題