对张量流变量的切片分配答案

【问题标题】：Slice assignment to tensorflow variable对张量流变量的切片分配
【发布时间】：2019-03-20 07:58:30
【问题描述】：

我正在尝试将值分配给 tensorflow 中的变量切片，但显示以下错误：'ValueError: Sliced assignment is only supported for variables'。为什么即使我尝试对变量进行切片分配，也会显示此错误。我的代码是这样的：

var1 = var1[startx:endx,starty:endy].assign(tf.ones([endx-startx,endy-starty],dtype=tf.int32))

其中var1 是一个张量流变量。

【问题讨论】：

你能展示创建var1的代码吗？也请张贴print(var1); print(type(var1))的输出。
欢迎来到 Stack Overflow！你能告诉我们var1最初是如何定义的吗？或者至少可以重现完全相同的错误？通过创建一个合适的minimal reproducible example，回答这个问题会容易得多。
@a_guest var1 是否被变量节点正确实例化并不重要——切片操作已经导致了这个错误。（当然在给定的 sn-p 之外可能还有更多问题！）
由于您将assign 操作分配回var1，我怀疑您之前已经这样做了，var1 现在拥有一个分配操作。请注意，此分配发生在原地并且不返回新的张量对象。所以重新分配给同一个名字实际上没有意义。

【解决方案1】：

另一个答案是正确的；对 tf 变量执行任何操作都不会（总是）返回 tf 变量。因此，如果您要链接分配，请使用显式控制依赖项：

v = tf.Variable(...)
with tf.control_dependencies([v[...].assign(...)]):
  return v[...].assign(...)

【讨论】：

【解决方案2】：

一旦var1 被切片，它就不再是一个变量。

numpy 风格的切片符号 (tensor[a:b]) 只是更长的张量流符号 tf.slice(tensor, a, a+b) 的简写，它在图上输出一个新的张量运算（参见 https://www.tensorflow.org/api_docs/python/tf/slice）。

您尝试制作的图表如下所示（括号中表示张量输出类型）：

Var1 (tf.Variable) -> tf.slice (tf.Tensor) 张量 -> tf.assign (tf.Variable)。

由于 assign 仅适用于 tf.Variable 对象，因此它不能适用于切片操作的输出。

【讨论】：

试试tf.Variable([1., 2])[0:1].assign(tf.ones((1,)))。更有可能var1 之前已被切片，并且显示的操作是后续切片。
感谢您的澄清。非常感谢。