ValueError：形状必须在assign_add（）中等于等级

我正在TF2中阅读tf.Variable in Tensorflow r2.0：

import tensorflow as tf
# Create a variable.
w = tf.constant([1,2,3,4],tf.float32,shape=[2,2])
# Use the variable in the graph like any Tensor.
y = tf.matmul(w,tf.constant([7,8,9,10],2]))
v= tf.Variable(w)
# The overloaded operators are available too.
z = tf.sigmoid(w + y)
tf.shape(z)
# Assign a new value to the variable with `assign()` or a related method.
v.assign(w + 1)
v.assign_add(tf.constant([1.0,21]))


  

ValueError：形状必须相等，但对于2和1
  输入形状为'AssignAddVariableOp_4'（op：'AssignAddVariableOp'）：
  []，2。

还有以下原因返回假？

tf.shape(v) == tf.shape(tf.constant([1.0,21],tf.float32))


我的另一个问题是，当我们进入TF 2时，我们不应该再使用tf.Session（）了吗？似乎we should never run session.run()，但API文档使用tf.compat.v1等来实现此功能。那么为什么他们在TF2文档中使用它？

任何帮助将不胜感激。

CS

正如在错误中明确指出的那样，期望assign_add上的形状为[2,2]的形状为[2,2]。
如果您尝试提供除尝试做的assign_add以外的其他张量，则会给出错误。

下面是修改后的代码，具有预期的操作形状。

import tensorflow as tf
# Create a variable.
w = tf.constant([1,2,3,4],tf.float32,shape=[2,2])
# Use the variable in the graph like any Tensor.
y = tf.matmul(w,tf.constant([7,8,9,10],2]))
v= tf.Variable(w)
# The overloaded operators are available too.
z = tf.sigmoid(w + y)
tf.shape(z)
# Assign a new value to the variable with `assign()` or a related method.
v.assign(w + 1)
print(v)
v.assign_add(tf.constant([1,2]))


v的输出：

array([[3.,5.],[7.,9.]],dtype=float32)>


现在，以下张量比较返回True。

tf.shape(v) == tf.shape(tf.constant([1.0,21],tf.float32))


关于您的tf.Session()问题，在TensorFlow 2.0中，默认情况下仍启用急切执行，但是，如果您需要禁用急切执行并可以使用tf.Session，如下所示。

import tensorflow as tf
tf.compat.v1.disable_eager_execution()
hello = tf.constant('Hello,TensorFlow!')
sess = tf.compat.v1.Session()
print(sess.run(hello))