python可变对象自定义对象_Tensorflow自定义操作过程参数作为可变对象（如按引用传递）...

我尝试在tensorflow中开发一个定制的op，在这个过程中，我更改属于输入张量的值，并且在op完成之后，它仍然应该反映这些更改。在

问题是，python通过赋值(=在我们的例子中是不可变类型)传递函数参数，从而阻止我访问在op中实际想要访问的数据

一。在

最小工作示例：

测试_脚本.pyimg = imread("some image path");

img = ((img_gt[:, : , 0:3]).flatten()).astype('float32')

img[0] = 50

print "First time (start value): ", img[0]

Custom_Loss_Module = tf.load_op_library('some shared library')

with tf.Session(''):

Custom_Loss_Module.custom_loss(img)

print "Fourth time (after custom op): ", img[0]

自定义操作_主.cpp

^{pr2}$

输出：First time (start value): 50

Second time (in op): 50

Third time (in op): 100

Fourth time (after custom op): 50

一。在

如上所述，我知道这种行为是从何而来的，我知道这是意料之中的。但是，我想找到一种方法，使从50到100的变化(在自定义操作中完成)是可变的，因此一旦找到自定义操作，就会被img张量反映出来。在C++中：我想通过引用传递函数参数，而不是赋值。在

一。在

我目前所做的努力：

我尝试使用标准的python技巧并将参数作为列表传递，因为列表是可变的。示例：

测试_脚本.pyimg = imread("some image path");

img = ((img_gt[:, : , 0:3]).flatten()).astype('float32')

img[0] = 50

print "First time (start value): ", img[0]

Custom_Loss_Module = tf.load_op_library('some shared library')

with tf.Session(''):

Custom_Loss_Module.custom_loss([img])

print "Fourth time (after custom op): ", img[0]

一。在

一。在

有人能帮我解决这个问题吗？-提前还款：)