如何将Tensor对角线元素设为0？求类似numpy.fill_diagonal的简便方法

其实在TensorFlow里，确实有更贴合你需求的替代方案，而且用法和numpy的fill_diagonal更接近，同时还能规避旧API的兼容性问题！

首先要提一句：你当前用的tf.matrix_set_diag已经是被标记为废弃的旧API了，官方现在推荐使用tf.linalg.set_diag，这本身就是更优的第一步。针对你的需求，具体可以这样优化：

1. 普通张量的对角线填充 #

如果你只是想把对角线填充为某个标量值（比如0），可以直接用tf.fill快速生成对应形状的对角线张量，配合tf.linalg.set_diag完成赋值，写法比你之前的更简洁：

# 填充对角线为0的示例
filled_matrix = tf.linalg.set_diag(matrix, tf.fill(tf.shape(matrix)[:-1], 0))

这个写法和numpy的fill_diagonal逻辑对齐，而且天然支持批量矩阵（比如形状为[batch_size, n, n]的张量），会自动处理前面的批量维度。

2. 变量的“原地”修改（模拟numpy的原地操作） #

如果你操作的是tf.Variable，想要实现类似numpyfill_diagonal的原地修改效果，可以结合assign方法：

# 假设matrix是tf.Variable实例
matrix.assign(tf.linalg.set_diag(matrix, tf.fill(tf.shape(matrix)[:-1], target_value)))

虽然TensorFlow的张量本身是不可变的，但通过变量的assign方法可以实现语义上的原地更新，这也是最接近numpy原地操作的方式。

另外要纠正你当前代码里的一个小问题：tf.zeros_like(matrix.shape[0:-1])会报错，因为matrix.shape返回的是TensorShape对象，不是张量，应该用tf.zeros(tf.shape(matrix)[0:-1])来生成对应形状的零张量——不过用上面的tf.fill写法会更直接。

内容的提问来源于stack exchange，提问作者zephyrus