类型错误：'；tensorflow.python.framework.ops.tensor'；对象不支持项分配

在这种情况下，我取一个tf张量的切片，把它转换成numpy，我做一些计算，最后我想把这个切片放回它的来源，也就是tf张量。具体而言，这是小批量生产/变更程序的全部组成部分

mini_batch.shape

将产生以下张量形状

TensorShape([#samples, 640, 1152, 3])

我处理的

np_切片

来自上面的张量

np_slice = mini_batch[sample_index][:, :, 2].numpy()

我试着重新插入它

mini_batch[sample_index][:, :, 2] = tf.convert_to_tensor(np_slice, dtype=tf.float32)

请注意，

np\u切片

具有形状

（6401152）

，即单通道图像

据我所知，tf不允许这种分配，因此我的错误

TypeError: 'tensorflow.python.framework.ops.EagerTensor' object does not support item assignment

看来我需要使用

tf.tensor\u scatter\u和\u update

这是我迄今为止尝试过的，但它并没有按照我的要求工作

indices = tf.constant([[sample_index]])
updates = tf.convert_to_tensor(np_slice, dtype=tf.float32)
mini_batch = tf.tensor_scatter_nd_update(mini_batch, indices, updates)

这会产生以下结果

tensorflow.python.framework.errors_impl.InvalidArgumentError: Outer dimensions of indices and update must match. Indices shape: [1,1], updates shape:[640,1152] [Op:TensorScatterUpdate]

---

Tensorflow张量是不可变的（）：

所有的张量都是不可变的，就像Python数字和字符串一样：您永远不能更新张量的内容，只能创建一个新的张量

您可以使用或在numpy数组中进行切片和计算，并在最后将其转换为张量：

mini_batch_np=mini_batch.numpy()
np_slice = mini_batch_np[sample_index][:, :, 2]

#some calculations with np_slice

mini_batch_np[sample_index][:, :, 2] = np_slice

#convert back to tensor
mini_batch=tf.convert_to_tensor(mini_batch_np, dtype=tf.float32)