Python 在Tensorflow中，如何防止在重新分配变量后将该变量从变量转换为张量？

这里有一段代码片段。x_hat从tensorflow.python.ops.variables.RefVariable转换为tensorflow.python.framework.ops.Tensor

import tensorflow as tf
import tensorflow.contrib.slim as slim
import tensorflow.contrib.slim.nets as nets
tf.logging.set_verbosity(tf.logging.ERROR)
sess = tf.InteractiveSession()
image = tf.Variable(tf.zeros((299, 299, 3)))

x = tf.placeholder(tf.float32, shape=[None, None, None])
x_hat = image

print(type(x_hat))
noise = x_hat - x
#filter noise
x_hat = noise + x

print(type(x_hat))

基本上，x_-hat是在会话中修改的（代码未显示），修改后，我想从x_-hat中提取“noise”，修改“noise”，然后将其添加回x_-hat。然而，我编写的代码将x_hat转换为张量，这会在以后破坏事情

---

我确信我的尝试不是实现我想要的目标的正确方式，那么您有什么建议吗？

以下代码是通过类型更改执行的

x_hat = noise + x

适当的方法：

op = tf.assign(x_hat,noise+x)

---

执行以下代码时进行了类型更改

x_hat = noise + x

适当的方法：

op = tf.assign(x_hat,noise+x)