Tensorflow：如何在张量中修改值

Question

由于我需要在使用Tensorflow训练模型之前为数据编写一些预处理程序，因此需要对进行一些修改tensor。但是，我不知道如何tensor像使用一样修改值numpy。

最好的方法是可以tensor直接修改。但是，在当前版本的Tensorflow中似乎不可能。另一种方法是改变tensor到ndarray该进程，然后用tf.convert_to_tensor改回来。

关键是如何更改tensor为ndarray。
1）tf.contrib.util.make_ndarray(tensor)：https
:
//www.tensorflow.org/versions/r0.8/api_docs/python/contrib.util.html#make_ndarray
根据文档，这似乎是最简单的方法，但是在当前版本中我找不到此功能Tensorflow。其次，它的输入TensorProto不是tensor。
2）a.eval()用于复制a到另一个ndarray
但是，它仅tf.InteractiveSession()在笔记本中使用时有效。

下面是一个带有代码的简单案例。这段代码的目的是使tfc的输出与处理npc后的输出相同。

提示
您应该这样对待tfc并且npc彼此独立。这满足了最初检索到的训练数据采用tensor格式的情况tf.placeholder()。

源代码

import numpy as np
import tensorflow as tf
tf.InteractiveSession()

tfc = tf.constant([[1.,2.],[3.,4.]])
npc = np.array([[1.,2.],[3.,4.]])
row = np.array([[.1,.2]])
print('tfc:\n', tfc.eval())
print('npc:\n', npc)
for i in range(2):
    for j in range(2):
        npc[i,j] += row[0,j]

print('modified tfc:\n', tfc.eval())
print('modified npc:\n', npc)

输出：

tfc：
[[1. 2.]
[3. 4.]]
npc：
[[1. 2.]
[3. 4.]]
修改tfc：
[[1. 2.]
[3. 4.]]
修改npc：
[[1.1 2.2]
[3.1 4.2]]

Answer 1

使用assign和eval（或sess.run）分配：

import numpy as np
import tensorflow as tf

npc = np.array([[1.,2.],[3.,4.]])
tfc = tf.Variable(npc) # Use variable

row = np.array([[.1,.2]])

with tf.Session() as sess:   
    tf.initialize_all_variables().run() # need to initialize all variables

    print('tfc:\n', tfc.eval())
    print('npc:\n', npc)
    for i in range(2):
        for j in range(2):
            npc[i,j] += row[0,j]
    tfc.assign(npc).eval() # assign_sub/assign_add is also available.
    print('modified tfc:\n', tfc.eval())
    print('modified npc:\n', npc)

它输出：

tfc:
 [[ 1.  2.]
 [ 3.  4.]]
npc:
 [[ 1.  2.]
 [ 3.  4.]]
modified tfc:
 [[ 1.1  2.2]
 [ 3.1  4.2]]
modified npc:
 [[ 1.1  2.2]
 [ 3.1  4.2]]