Python tensorflow变量的切片赋值

我试图在tensorflow中为变量的切片赋值，但显示了以下错误：“ValueError:切片赋值仅支持变量”。为什么即使我尝试对变量进行切片赋值，也会显示此错误。我的代码是这样的：

var1 = var1[startx:endx,starty:endy].assign(tf.ones([endx-startx,endy-starty],dtype=tf.int32))

---

其中

var1

是一个tensorflow变量。

一旦

var1

被切片，它就不再是一个变量

numpy风格的切片表示法（

tensor[a:b]

）只是较长的tensorflow表示法

tf.slice（tensor，a，a+b）

的简写，它在图形上输出一个新的张量操作（请参阅）

您试图创建的图形如下所示（括号中显示了张量输出类型）：

Var1

（tf.Variable）->

tf.slice

（tf.Tensor）Tensor->

tf.assign

（tf.Variable）

---

由于赋值只作用于

tf.Variable

对象，它不能作用于切片运算的输出。

另一个答案是正确的；对tf变量执行任何操作都不会（始终）返回tf变量。因此，如果要链接分配，请使用显式控件依赖项：

v = tf.Variable(...)
with tf.control_dependencies([v[...].assign(...)]):
  return v[...].assign(...)

---

能否显示创建

var1

的代码？也请张贴

print（var1）的输出；打印（键入（var1））

。欢迎使用堆栈溢出！您能告诉我们

var1

最初是如何定义的吗？或者至少是再现完全相同错误的东西？通过创建一个适当的，回答这个问题就会容易得多。@a_guest无论变量节点是否正确实例化了

var1

，切片操作已经导致了这个错误。（当然，在给出的代码段之外可能还有更多的问题！）因为您正在将

assign

op分配回

var1

我怀疑您以前已经这样做过，而

var1

现在持有一个assign操作。请注意，此赋值发生在适当的位置，不会返回新的张量对象。因此，重新分配给相同的名称实际上没有意义。请尝试

tf.Variable（[1,2]）[0:1]。分配（tf.ones（（1，））

。更可能的情况是，

var1

之前已被切片，显示的op是后续切片。感谢您的澄清。非常感谢。