tf.Variable 在循环中转换为正常张量

Question

我在 Keras 中有一个自定义层，我在其中定义了一些变量，我在调用部分为其分配了一些值。

class Mine_layer(KL.Layer):
  def __init__(self,shape):
    self.block=tf.Variable(tf.constant(1,shape=shape))
  def call (self,indeces):
    self.block=self.block[indeces[0][0],indeces[0][1]].assign(1)

这可行，但如果我尝试对所有索引使用 for 循环：

for i in tf.range(0,limit=tf.shape(indeces)[0]):
   self.block=self.block[indeces[i][0],indeces[i][1]].assign(1)

这给了我一个错误，说“'Tensor' 对象没有属性 'assign'”。

为什么会这样？我该如何解决？

我尝试查看文档，但仍然不明白。

提前感谢任何可能回答的人。

Answer 1

大多数时候，我们不会在 init 之后再使用 self.block=...，因为这可能会使 self.block 指向另一个不受欢迎的对象，例如您的情况，导致错误消息。

即

class my_layer(keras.Layer):
  def __init__(self,shape):
    self.block = tf.Variable(tf.ones(shape)) #use tf.ones instead of tf.constant

  def call(self,inputs):
    self.block.scatter_nd_update(inputs,tf.ones(tf.shape(inputs)[0]))
    #remove the self.block= assignment and use scatter_nd_update

class my_layer2(keras.Layer):
  def __init__(self,shape):
    self.var = tf.Variable(tf.ones(shape)) 

  def call(self,inputs):
     for i in tf.range(tf.shape(inputs)[0]):
        self.var[inputs[i,0],inputs[i,1]].assign(1)

更新：两种解决方案都有效