我尝试运行以下代码：
outputs, states = rnn.rnn(lstm_cell, x, initial_state=initial_state, sequence_length=real_length)
tensor_shape = outputs.get_shape()
for step_index in range(tensor_shape[0]):
word_index = self.x[:, step_index]
word_index = tf.reshape(word_index, [-1,1])
index_weight = tf.gather(word_weight, word_index)
outputs[step_index, :, :]=tf.mul(outputs[step_index, :, :] , index_weight)
但是我在最后一行得到了错误：TypeError: 'Tensor' object does not support item assignment似乎我无法分配张量，如何解决？
通常，TensorFlow张量对象不可分配*，因此您不能在分配的左侧使用它。
做您想做的事情的最简单方法是构建张量的Python列表，并tf.stack()在循环结束时将它们在一起：
outputs, states = rnn.rnn(lstm_cell, x, initial_state=initial_state,
sequence_length=real_length)
output_list = []
tensor_shape = outputs.get_shape()
for step_index in range(tensor_shape[0]):
word_index = self.x[:, step_index]
word_index = tf.reshape(word_index, [-1,1])
index_weight = tf.gather(word_weight, word_index)
output_list.append(tf.mul(outputs[step_index, :, :] , index_weight))
outputs = tf.stack(output_list)
*除tf.Variable对象外，使用Variable.assign()etc.方法。但是，rnn.rnn()可能返回tf.Tensor不支持此方法的对象。
本文收集自互联网，转载请注明来源。
如有侵权，请联系 [email protected] 删除。
我来说两句