Tensorflow小技巧整理：修改张量特定元素的值

Tensorflow用起来不是很顺手，很大原因在于tensor这个玩意儿，并不像数组或者列表那么的直观，直接print的话只能看到 Tensor(…) 这样的提示。比如下面这个问题，我们想要修改张量特定位置上的某个数值，操作起来就相对麻烦一些。和array一样，张量也是可以分段读取的，比如 tensor[1:10], tensor[:3]这种操作都是支持的，但是，张量是不能直接修改数值的。

比如，如果是array的话，一句赋值语句就可以将某个元素的值进行修改，但是，如果用同样的方法处理tensor的话，就会报错：

import tensorflow as tf
tensor_1 = tf.constant([x for x in range(1,10)])
# tensor_1 是一个数值为1到9的张量，希望把中间第五个数值改为0 
tensor_1[4] = 0

这时就会报错，错误类型是：

TypeError: 'Tensor' object does not support item assignment

所以说tensor是可以分段读取，但是不能直接修改的，有点像“只读”的模式。怎么解决呢？从其他博客中我总结了一个方法，后来自己又想了一个：

# 方法一 ： 运用concat函数
tensor_1 = tf.constant([x for x in range(1,10)])
# 将原来的张量拆分为3部分，修改位置前的部分，要修改的部分和修改位置之后的部分
i = 4
part1 = tensor_1[:i]
part2 = tensor_1[i+1:]
val = tf.constant([0])
new_tensor = tf.concat([part1,val,part2], axis=0)

这时候再去打印，就可以看到第五个数已经变成了0。

# 方法二：使用one_hot来进行加减运算
tensor_1 = tf.constant([x for x in range(1,10)])
i = 4
# 生成一个one_hot张量，长度与tensor_1相同，修改位置为1
shape = tensor_1.get_shape().as_list()
one_hot = tf.one_hot(i,shape[0],dtype=tf.int32)
# 做一个减法运算，将one_hot为一的变为原张量该位置的值进行相减
new_tensor = tensor_1 - tensor_1[i] * one_hot

当然，tensor有一个assign的函数，但是他每次更新不能针对于相对位置，而是相当于对整个变量的重新赋值，在某些特定场合下，这个自带函数似乎并不是太好用。

————————————————

版权声明：本文为CSDN博主「cerisier」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/Cerisier/article/details/79584851