本文探讨了在使用TensorFlow进行张量赋值时遇到的问题，特别是在不同版本间存在的兼容性差异。通过示例代码展示了如何创建全零、全一及特定数值填充的张量，并解释了在低版本TensorFlow中可能遇到的张量赋值失败现象。解决办法通常是调整TensorFlow的版本以匹配代码需求。
import tensorflow as tf
a = tf.zeros([2, 3])
b = tf.ones(4)
c = tf.fill([2, 2], 9)
print("a:", a)
print("b:", b)
print("c:", c)
比如上列代码，原本应该输出
a: tf.Tensor(
[[0. 0. 0.]
[0. 0. 0.]], shape=(2, 3), dtype=float32)
b: tf.Tensor([1. 1. 1. 1.], shape=(4,), dtype=float32)
c: tf.Tensor(
[[9 9]
[9 9]], shape=(2, 2), dtype=int32)
但实际上形状，类型都是对的，但是张量的值赋值没有赋上，原因是tensorflow版本问题，高版本的tensorflow语句在低版本不适用，反之亦然，可以适当的升高或降低tensorflow版本即可
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
