如何操作张量数组，“张量”对象不支持项目分配答案

【问题标题】：how to manipulate tensor array, 'Tensor' object does not support item assignment如何操作张量数组，“张量”对象不支持项目分配
【发布时间】：2023-03-18 00:55:01
【问题描述】：

我需要如下操作张量

ary = np.array([82.20674918566776, 147.55325947521865, 25.804872964169384, 85.34690767735665, 1, 0]).reshape(1,1,1,1,6)

tf_array = tf.convert_to_tensor(ary, tf.float32)
value_x = 13.0
norm_value = 416.0

tf_array[...,0:4] = tf_array[...,0:4] * (value_x / norm_value)

执行时

TypeError: 'Tensor' 对象不支持项目分配

【问题讨论】：

标签： python-3.x tensorflow

【解决方案1】：

您不能在 TensorFlow 中赋值，因为张量是不可变的（TensorFlow 变量的值可以更改，但这更像是用新张量替换它们的内部张量）。在 TensorFlow 中最接近项目分配的可能是 tf.tensor_scatter_nd_update，它仍然没有分配新值，而是创建一个新的张量并替换了一些值。一般来说，您必须找到从您拥有的张量中计算所需结果的方法。在您的情况下，您可以这样做：

import tensorflow as tf
import numpy as np

ary = np.array([82.20674918566776, 147.55325947521865,
                25.804872964169384, 85.34690767735665,
                1, 0]).reshape(1,1,1,1,6)
tf_array = tf.convert_to_tensor(ary, tf.float32)
value_x = 13.0
norm_value = 416.0

# Mask for the first four elements in the last dimension
m = tf.range(tf.shape(tf_array)[0]) < 4
# Pick the multiplication factor where the mask is true and 1 everywhere else
f = tf.where(m, value_x / norm_value, 1)
# Multiply the tensor
tf_array_multiplied = tf_array * f
# [[[[[2.568961   4.611039   0.80640227 2.667091   0.03125    0.        ]]]]]

【讨论】：

【解决方案2】：

谢谢，

我尝试了解决方法

ary = np.array([82.20674918566776, 147.55325947521865, 25.804872964169384, 85.34690767735665, 1, 0]).reshape(1,1,1,1,6)

tf_array = tf.convert_to_tensor(ary, tf.float32)
value_x = 13.0
norm_value = 416.0

#create array of same shape and values to be multiplied with
temp = np.array([value_x /norm_value , value_x /norm_value, value_x /norm_value, value_x /norm_value, 1, 1]).reshape(1,1,1,1,6)

#convert numpy array to tensorflow tensor
normalise_ary = tf.convert_to_tensor(temp, tf.float32)

tf_array = tf_array * normalise_ary

【讨论】：