Tensorflow修改张量特定位置元素的值

张量和array一样可以通过切片获取，但是张量不可以直接修改某个值。
可以理解为张量具有“只读”的模式。

如果按照数组修改某个值的方式处理的话，会报错：

import tensorflow as tf
tensor_1 = tf.constant([x for x in range(1,10)])
tensor_1[4] = 0    # TypeError: 'Tensor' object does not support item assignment

解决方法：
将张量切片，再拼接。比如：

tensor_1 = tf.constant([x for x in range(1,10)])
# 切片
part1 = tensor_1[:4]
part2 = tf.constant([0])   # 要修改的元素
part3 = tensor_1[5:]
# 拼接
new_tensor = tf.concat([part1,part2,part3], axis=0)

值得注意的一点：如果在进行这样的操作的时候代码报错，记得检查每个 part 的维度，大概率是维度这里出了问题。
牢记：原来张量是几维，最后要拼成几维。（比如你的张量是3维的，先要切分成三个2维的，再将二维张量切成1维，修改拼接成2维，再拼接成3维）

下面举一个三维拼接的例子：

import tensorflow as tf
import numpy as npclass tttest():def __init__(self):self.tensor_1 = tf.placeholder(tf.int32, [None, 3])self.part1 = self.tensor_1[:3]self.part2 = self.tensor_1[3]self.part2_1 = self.part2[:1]self.part2_2 = tf.constant([10])self.part2_3 = self.part2[2:]self.part2 = tf.expand_dims(tf.concat([self.part2_1, self.part2_2, self.part2_3], axis=0),0)self.part3 = self.tensor_1[4:]self.t = tf.concat([self.part1, self.part2, self.part3], axis=0)            # 这样写是正确的# self.tensor_1 = tf.concat([self.part1, self.part2, self.part3], axis=0)   # 这样会报错with tf.Session() as sess:init = tf.global_variables_initializer()sess.run(init)fd = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9], [1, 2, 3], [4, 5, 6], [7, 8, 9]])a = tttest()print("tensor_1", sess.run(a.part1, {a.tensor_1:fd}))print("tensor_2", sess.run(a.part2, {a.tensor_1:fd}))print("tensor_3", sess.run(a.part3, {a.tensor_1:fd}))print("tensor_3", sess.run(a.t, {a.tensor_1: fd}))

其中，如果将修改后的值还是赋给 tensor_1 会报错如下：

InvalidArgumentError (see above for traceback): You must feed a value for placeholder tensor 'Placeholder' with dtype int32 and shape [?,3][[Node: Placeholder = Placeholder[dtype=DT_INT32, shape=[?,3], _device="/job:localhost/replica:0/task:0/device:CPU:0"]()]]