TensorFlow修改张量特定元素值的两种实现方案

林舟

发布时间：2026-10-13| 3人浏览过

原创

本文介绍在TensorFlow中修改张量特定元素值的两种常用方法。由于Tensor对象不支持直接赋值，可通过tf.concat拼接拆分后的张量，或利用one_hot编码进行数值运算来实现更新。文章对比了内置assign函数的局限性，提供了具体的代码示例与注意事项，帮助开发者高效处理张量数据。

近期在进行摘要生成项目的开发时，遇到诸多技术细节问题。通过查阅网络资料及在Jupyter Notebook中进行独立实验，整理出以下关于张量操作的经验总结。

TensorFlow的使用体验中，张量（Tensor）的数据结构特性是主要难点之一。与直观的数组或列表不同，直接打印张量仅显示“Tensor(…)”这类提示信息。例如，当需要修改张量特定位置的数值时，操作较为复杂。虽然支持类似数组的分段读取操作（如tensor[1:10]或tensor[:3]），但张量本身不支持直接修改数值。

若参照数组的操作方式，直接通过赋值语句修改元素值，在TensorFlow中会引发错误。

import tensorflow as tf
tensor_1 = tf.constant([x for x in range(1,10)])
# tensor_1 是一个数值为1到9的张量，希望把中间第五个数值改为0 
tensor_1[4] = 0

此时系统抛出的错误类型为：

TypeError: 'Tensor' object does not support item assignment

由此可见，张量具备分段读取能力，但处于“只读”状态，无法直接修改。针对此限制，结合其他技术博客及个人实践，总结出以下两种解决方案：

# 方法一 ： 运用concat函数
tensor_1 = tf.constant([x for x in range(1,10)])
# 将原来的张量拆分为3部分，修改位置前的部分，要修改的部分和修改位置之后的部分
i = 4
part1 = tensor_1[:i]
part2 = tensor_1[i+1:]
val = tf.constant([0])
new_tensor = tf.concat([part1,val,part2], axis=0)

执行上述代码后打印结果，即可确认第五个元素的值已成功更新为0。

# 方法二：使用one_hot来进行加减运算
tensor_1 = tf.constant([x for x in range(1,10)])
i = 4
# 生成一个one_hot张量，长度与tensor_1相同，修改位置为1
shape = tensor_1.get_shape().as_list()
one_hot = tf.one_hot(i,shape[0],dtype=tf.int32)
# 做一个减法运算，将one_hot为一的变为原张量该位置的值进行相减
new_tensor = tensor_1 - tensor_1[i] * one_hot

此外，TensorFlow提供了assign函数，但该函数通常用于对整个变量进行重新赋值，而非针对相对位置进行局部更新。因此在特定场景下，该内置函数的适用性有限。

以上关于TensorFlow修改张量特定元素值的方法分享完毕，希望能为读者提供参考与帮助。