Matrix 张量流中的矩阵元处理

如何在tensorflow中执行以下操作

mat = [4,2,6,2,3] #
mat[2] = 0 # simple zero the 3rd element

我不能使用[]括号，因为它只对常量有效，而对 变量。我也不能使用slice函数，因为它返回一个张量，而不能赋值给张量

import tensorflow as tf
sess = tf.Session()
var1 = tf.Variable(initial_value=[2, 5, -4, 0])
assignZerosOP = (var1[2] = 0) # < ------ This is what I want to do

sess.run(tf.initialize_all_variables())

print sess.run(var1)
sess.run(assignZerosOP)
print sess.run(var1)

---

你不能改变张量，但是，正如你所说，你可以改变一个变量

有三种模式可用于实现您的目标：

（a） 用于直接戳到要更改的变量部分

import tensorflow as tf

a = tf.Variable(initial_value=[2, 5, -4, 0])
b = tf.scatter_update(a, [1], [9])
init = tf.initialize_all_variables()

with tf.Session() as s:
  s.run(init)
  print s.run(a)
  print s.run(b)
  print s.run(a)

[25-40]

[29-40]

[29-40]

（b） 创建张量的两个

tf.slice（）

s，不包括要更改的项，然后

tf.concat（0[a，0，b]）

将它们重新组合在一起

（c） 创建类似于（a）的

b=tf.zero\u，然后使用
tf.select（）
从
a
中选择所需的项目，以及从
b
中选择所需的零

我之所以加入（b）和（c），是因为它们处理的是正态张量，而不仅仅是变量。
多谢了，这肯定是有帮助的，我可以处理，但这会有点复杂。如果我真的需要改变张量呢？没有办法吗？我想实现网络可视化，我需要将图像传播到激活层，除随机激活外，将所有激活置零，然后将其传播回来。张量是不可变的。一般来说，如果您想要保存和更改状态，您可以将其存储在一个变量中，您可以对该变量进行变异。但除此之外，您只需创建一个从原始张量派生的新张量并使用它。在您描述的案例中，这可能就是方法。谢谢您的回答。我解决了这个问题，使用了一个新的张量，这个张量是按照您的建议从原始张量派生的。我找不到
tf。请在我的tensorflow 1.0.0版中选择
。是否有替换？
tf.select
更改为
tf.where
，与tf 1.0后的
np.where
一样。
import tensorflow as tf

a = tf.Variable(initial_value=[2, 5, -4, 0])
b = tf.scatter_update(a, [1], [9])
init = tf.initialize_all_variables()

with tf.Session() as s:
  s.run(init)
  print s.run(a)
  print s.run(b)
  print s.run(a)