TensorFlow 1.12中scatter_update结合feed数据报错求助

首先咱们得明确一个核心点：tf.scatter_update这个API只能用来更新tf.Variable对象，它依赖变量的可修改状态和专属属性来工作。而tf.placeholder只是一个接收外部输入的张量节点，本身没有可更新的内部状态，也不具备scatter_update需要的_lazy_read这类变量专属方法，这就是你遇到AttributeError的根本原因。

再看你第二次尝试的代码里还有两个小问题：

• 直接对placeholder（也就是init_val=x）调用scatter_update，完全违背了这个API的使用前提；
• 代码里调用了tf.global_variables_initializer()，但此时图里根本没有定义任何Variable，这一步完全多余，不过不是报错的核心原因。

正确的实现思路 #

如果你想用外部feed的数据作为初始值，再执行scatter_update，得先把feed的值赋值给一个Variable，再对这个变量进行更新操作。具体代码如下：

import tensorflow as tf
import numpy as np

with tf.Session() as sess:
    # 定义placeholder接收外部初始值
    x = tf.placeholder(tf.float32, shape=(3, 2))
    # 创建Variable，用placeholder的值初始化它
    init_val = tf.Variable(x, trainable=False)
    indices = tf.constant([0, 1])
    # 对Variable执行scatter_update
    update = tf.scatter_update(init_val, indices, tf.ones((2, 2)))
    
    # 初始化变量时传入placeholder的feed值
    sess.run(init_val.initializer, feed_dict={x: np.zeros((3, 2))})
    print(sess.run(update))

代码说明 #

• 先通过placeholder接收你要传入的初始数据；
• 创建tf.Variable时把placeholder作为初始值，设置trainable=False（如果不需要训练这个变量的话）；
• 初始化变量时，要调用init_val.initializer并传入feed_dict，这样变量就会用你传入的np.zeros((3,2))作为初始值；
• 最后调用tf.scatter_update就完全符合API要求了，因为操作的是标准的Variable对象。

运行这段代码后，会得到和你第一个代码片段一致的输出：

[[1. 1.]
 [1. 1.]
 [0. 0.]]

内容的提问来源于stack exchange，提问作者Vincent Stimper