当已经有张量时，使用tf.unstack （TF2.0）将张量转换为列表，然后使用@mrry提到的tf.stack。 （使用多维张量时，请注意unstack中的axis参数）

a_list = tf.unstack(a_tensor)

a_list[50:55] = [np.nan for i in range(6)]

a_tensor = tf.stack(a_list)

通常，TensorFlow张量对象不可分配*，因此您不能在分配的左侧使用它。

做您想做的最简单的方法是构建张量的Python列表，并在循环结束时将它们一起tf.stack() ：

outputs, states = rnn.rnn(lstm_cell, x, initial_state=initial_state,
                          sequence_length=real_length)

output_list = []

tensor_shape = outputs.get_shape()
for step_index in range(tensor_shape[0]):
    word_index = self.x[:, step_index]
    word_index = tf.reshape(word_index, [-1,1])
    index_weight = tf.gather(word_weight, word_index)
    output_list.append(tf.mul(outputs[step_index, :, :] , index_weight))

outputs = tf.stack(output_list)

*除tf.Variable对象外，请使用Variable.assign()等方法。但是， rnn.rnn()可能返回不支持此方法的tf.Tensor对象。

您可以这样做的另一种方式。

aa=tf.Variable(tf.zeros(3, tf.int32))
aa=aa[2].assign(1)

那么输出是：

数组（[0，0，1]，dtype = int32）

参考： https : //www.tensorflow.org/api_docs/python/tf/Variable#assign