在张量中分配行会抛出“无值不受支持”

Question

我已经编写了一个程序来更新从一个张量到另一个张量的行。下面是我想要达到的一个非常基本的想法

with tf.Session() as sess:
    A = tf.Variable(
        [[[0.2, 0.8, 0.1], [0.0, 1.0, 3.0], [0.0, 1.0, 3.0]], [[0.0, 1.0, 1.0], [0.0, 1.0, 0.5], [0.0, 1.0, 3.0]],
         [[0.0, 1.0, 0.6], [0.0, 1.0, 0.4], [0.0, 1.0, 3.0]]])
    B = tf.Variable(
        [[[1.2, 1.8, 1.1], [1.1, 1.1, 3.1], [1.1, 1.1, 3.1]], [[1.1, 1.1, 1.1], [1.1 ,1.1, 1.5], [1.1, 1.1, 3.1]],
         [[1.0, 1.0, 1.6], [1.1, 1.1, 1.4], [1.1, 1.1, 3.1]]])

    sess.run(tf.global_variables_initializer())
    parent1 = 0
    parent2 = 1

    print("\n A")
    print(sess.run(A[parent2][0]))
    # A=[0. 1. 1.]
    print("\n B")
    print(sess.run(B[parent1][0]))
    # B=[0.2 0.8 0.1]
    print("\n Result")
    B = B[0,0].assign(A[1,0])
    print(sess.run(B[0]))
    #  Result
    # [[0.  1.  1. ]
    #  [1.1 1.1 3.1]
    #  [1.1 1.1 3.1]]

这很管用。添加第二个运算符时出现问题：

print("\n Result")
B = B[0,0].assign(A[1,0])
B = B[1,0].assign(A[0,0])

然后我被击中（底部的完整堆栈跟踪）：

ValueError: None values not supported.

似乎出于某种原因，它试图做一个张量的内部转换，出于某种原因，一个None类型被传递。我试着在继续之前评估变量，但也不起作用。我的想法是达到一个点，我可以利用这样一个循环：

for i in indexes:
    B = B[parent1][i].assign(A[parent2][i])
    B = B[parent2][i].assign(A[parent1][i])

完整堆栈跟踪：

Traceback (most recent call last):
  File "tensorflow\python\framework\op_def_library.py", line 527, in _apply_op_helper
    preferred_dtype=default_dtype)
  File "tensorflow\python\framework\ops.py", line 1224, in internal_convert_to_tensor
    ret = conversion_func(value, dtype=dtype, name=name, as_ref=as_ref)
  File "tensorflow\python\framework\constant_op.py", line 305, in _constant_tensor_conversion_function
    return constant(v, dtype=dtype, name=name)
  File "tensorflow\python\framework\constant_op.py", line 246, in constant
    allow_broadcast=True)
  File "tensorflow\python\framework\constant_op.py", line 284, in _constant_impl
    allow_broadcast=allow_broadcast))
  File "tensorflow\python\framework\tensor_util.py", line 454, in make_tensor_proto
    raise ValueError("None values not supported.")
ValueError: None values not supported.

Answer 1

尽管我还没有弄清楚这个bug，但当前解决这个问题的一个方法是使用tf.assign。你知道吗

op1 = tf.assign(B[0,0], A[1,0])
op2 = tf.assign(B[1,0], A[0,0])

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    sess.run([op1, op2])
    print(B.eval())
#[[[0.  1.  1. ]
#   [1.1 1.1 3.1]
#   [1.1 1.1 3.1]]

#  [[0.2 0.8 0.1]
#   [1.1 1.1 1.5]
#   [1.1 1.1 3.1]]

#  [[1.  1.  1.6]
#   [1.1 1.1 1.4]
#   [1.1 1.1 3.1]]]

Answer 2

B=B[0,0]。分配（A[1,0]） B=B[1,0]。赋值（A[0,0]）

我试图复制你的代码，但没有得到相同的错误，而是得到“切片分配只支持变量”。这也是正确的，因为一旦B被切片，它就不再是一个变量，而是一个张量。你知道吗

numpy风格的切片表示法（tensor[a:b]）只是较长的tensorflow表示法的简写tf.切片（张量，a，a+b）在图上输出一个新的张量运算（参见https://www.tensorflow.org/api_docs/python/tf/slice）。你知道吗

希望这有助于理解这个问题。你知道吗