使用assign_add/assign_sub时遇'Tensor'对象无assign_add属性错误求助

为什么会出现这个报错？ #

你虽然一开始把t1和t2定义成了tf.Variable，但如果在调用assign_add之前，对t1做了重新赋值类的操作（比如t1 = t1 + t2或者t1 = tf.some_operation(t1)），这时候t1会被自动转换成普通的tf.Tensor——而Tensor是不可变的，根本没有assign_add这类原地更新的方法，自然就会抛出这个错误。

举个典型的错误场景：

import tensorflow as tf

t1 = tf.Variable(tf.ones([2,3,4], tf.int32))
t2 = tf.Variable(tf.zeros([2,3,4], tf.int32))

# 这个操作会把t1从Variable转成普通Tensor
t1 = t1 + 1
# 此时调用assign_add必然报错
t1.assign_add(t2)

正确的解决方式 #

要使用assign_add/assign_sub，核心是保证调用对象始终是tf.Variable，直接调用它的原地更新方法即可：

方法1：直接用Variable的assign_add原地更新

这是最推荐的方式，不会改变变量的类型，直接在原Variable上更新值：

import tensorflow as tf

t1 = tf.Variable(tf.ones([2,3,4], tf.int32))
t2 = tf.Variable(tf.zeros([2,3,4], tf.int32))

# 直接调用Variable的assign_add方法，原地更新t1
t1.assign_add(t2)

# 查看更新后的结果
print(t1.numpy())

方法2：如果不小心转成了Tensor，重新包装为Variable（仅应急用）

如果你已经把Variable转成了Tensor，又想继续用assign_add，可以把它重新包装成Variable，但这会创建新的变量对象，除非必要不建议这么做：

# 假设此时t1已经是Tensor
t1 = tf.Variable(t1)
# 现在可以正常调用assign_add了
t1.assign_add(t2)

额外提醒 #

• tf.Variable是可变状态容器，专门支持assign_add/assign_sub/assign这类原地更新操作；而普通tf.Tensor是不可变的，所有操作都会返回新的Tensor对象。
• 在TensorFlow 2.x中，不需要手动开启会话，直接调用Variable的方法就能完成状态更新。

内容的提问来源于stack exchange，提问作者X. L