Como necesito escribir algunos preprocesos para los datos antes de usar Tensorflow para entrenar modelos, algunas modificaciones en eltensor es necesario Sin embargo, no tengo idea de cómo modificar los valores entensor como la forma de usarnumpy.

La mejor manera de hacerlo es que puede modificartensor directamente. Sin embargo, parece no posible en la versión actual de Tensorflow. Una forma alternativa está cambiandotensor andarray para el proceso y luego usartf.convert_to_tensor para volver a cambiar.

La clave es cómo cambiartensor andarray.
1)tf.contrib.util.make_ndarray(tensor): https://www.tensorflow.org/versions/r0.8/api_docs/python/contrib.util.html#make_ndarray
Parece la forma más fácil según el documento, pero no puedo encontrar esta función en la versión actual de Tensorflow. En segundo lugar, la entrada esTensorProto más bien quetensor.
2) usoa.eval() copiara a otrondarray
Sin embargo, solo funciona al usartf.InteractiveSession() en cuaderno

Un caso simple con códigos se muestra a continuación. El propósito de este código es hacer que eltfc tiene la misma salida quenpc despues del proceso.

INSINUACIÓN
Deberías tratar esotfc ynpc Son independientes entre sí. Esto cumple con la situación de que al principio los datos de entrenamiento recuperados están entensor formatear contf.placeholder().

Código fuente

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)

Salida:

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