Python 尝试在Tensorflow中为同一数组变量赋值两次

我在Tensorflow中创建了一个简单的数组变量，并试图找到一种方法来多次执行赋值。我知道为了在TF中完成作业，您需要使用

TF.assign

函数。问题是它返回的是“切片类型”，而不是变量类型

代码示例：

a = [-1.2, -5, 30.0, -7.5, 0.75]
v = tf.get_variable("v", shape=[5], initializer=tf.constant_initializer(a))
s = tf.Session()
c = c[0].assign(55) # Now c is not a regular variable anymore.
print(c)  # <tf.Tensor 'strided_slice/_assign:0' shape=(5,) dtype=float32_ref>
s.run(c)  # output: array([ 55.  ,  -5.  ,  30.  ,  -7.5 ,   0.75], dtype=float32)
c = c[0].assign(66)  # Trying to assign again to index 0 of array c

a=[-1.2，-5,30.0，-7.5,0.75]
v=tf.get_变量（“v”，shape=[5]，初始值设定项=tf.constant_初始值设定项（a））
s=tf.Session（）
c=c[0]。赋值（55）#现在c不再是正则变量。
印刷品（c）#
s、 运行（c）#输出：数组（[55.，-5,30.，-7.5,0.75]，数据类型=float32）
c=c[0]。分配（66）#尝试再次分配给数组c的索引0

对于最后一行，我得到以下错误：

Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File 
"/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/tensorflow/python/ops/array_ops.py", line 714, in assign
raise ValueError("Sliced assignment is only supported for variables")
ValueError: Sliced assignment is only supported for variables

回溯（最近一次呼叫最后一次）：
文件“”，第1行，在
文件
“/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site packages/tensorflow/Python/ops/array_ops.py”，分配中第714行
raise VALUERROR（“仅变量支持切片赋值”）
ValueError：仅变量支持切片赋值

---

我的问题是，在Tensorflow中，对一个变量进行多个赋值的正确方法是什么

只是不要为不同的操作重用相同的python变量

c

：

a=[-1.2，-5,30.0，-7.5,0.75]
c=tf.get_变量（“v”，shape=[5]，初始值设定项=tf.constant_初始值设定项（a））
assign55=c[0]。分配（55）
assign66=c[0]。分配（66）
assign77=c[1]。assign（77）
使用tf.Session（）作为sess：
sess.run（tf.global\u variables\u initializer（））
sess.run（分配55）
打印（sess.run（c））#[55.-5.30.-7.50.75]
sess.run（分配66）
打印（sess.run（c））#[66.-5.30.-7.50.75]
sess.run（分配77）
打印（sess.run（c））#[66.77.30.-7.50.75]

当您想要更改数组中的不同索引时，这并不能解决问题。我希望能够在同一数组中分配多个位置。没有任何东西可以阻止您使用不同的索引。在您的示例中，我看不出有什么问题，如果我将'assign66'变量更改为：assign66=c[1]。assign（66），那么我将得到修改后数组的两个不同版本，一个是零索引处的值发生更改（assign55），另一个是第一个索引处的值发生更改（assign66）。我想要一个同时修改两个单元格的版本。@tomer.golany恐怕你错了，只修改了一个数组。我已将答案更新为使用差异指示抱歉，我的错误，您是对的：）。有没有一种方法可以在不运行所有赋值变量的情况下实现这一点。（仅运行c或一个赋值变量）谢谢！