tensorflow一种简单的修改变量某个特定tensor值的方法

之前在文章修改tensor值中介绍了一种tensorflow修改变量特定tensor值的方法，但此方法无比笨重，特别是反复修改多个tensor的话非常慢且容易造成内存的暴涨，因此想到一种新的替代方法，方法很简单，且非常高效，基本原理：

1.获取variable的当前值给numpy变量;2修改numpy变量对应位置的值;3修改好后再将numpy变量的值赋值给variable。上代码：

import tensorflow as tf
a = tf.Variable(tf.ones([5,5]),name='a')

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    print("Before change")
    print(sess.run(a))
    valA=sess.run(a)
    valA[1,1]=2
    valA[3,4]=5
    updatea=tf.assign(a,valA)
    sess.run(updatea)
    print("After change")
    print(sess.run(a))

打印结果如下：

Before change
[[1. 1. 1. 1. 1.]
 [1. 1. 1. 1. 1.]
 [1. 1. 1. 1. 1.]
 [1. 1. 1. 1. 1.]
 [1. 1. 1. 1. 1.]]
After change
[[1. 1. 1. 1. 1.]
 [1. 2. 1. 1. 1.]
 [1. 1. 1. 1. 1.]
 [1. 1. 1. 1. 5.]
 [1. 1. 1. 1. 1.]]

该方法很简单也很高效，且支持一次改多个索引的值，个人感觉要远优于修改tensor值一文中介绍的方法。