利用TensorFlow中的反馈数据进行散点更新

我正在尝试使用scatter-update更新张量的切片。我第一个熟悉这个函数的代码片段运行得非常好。

import tensorflow as tf
import numpy as np

with tf.Session() as sess:
    init_val = tf.Variable(tf.zeros((3, 2)))
    indices = tf.constant([0, 1])
    update = tf.scatter_update(init_val, indices, tf.ones((2, 2)))

    init = tf.global_variables_initializer()
    sess.run(init)
    print(sess.run(update))

但是当我尝试将初始值输入到图中时

with tf.Session() as sess:
    x = tf.placeholder(tf.float32, shape=(3, 2))
    init_val = x
    indices = tf.constant([0, 1])
    update = tf.scatter_update(init_val, indices, tf.ones((2, 2)))

    init = tf.global_variables_initializer()
    sess.run(init)
    print(sess.run(update, feed_dict={x: np.zeros((3, 2))}))

我知道这个奇怪的错误

InvalidArgumentError: You must feed a value for placeholder tensor 'Placeholder_1' with dtype float and shape [3,2]
 [[{{node Placeholder_1}} = Placeholder[dtype=DT_FLOAT, shape=[3,2], _device="/job:localhost/replica:0/task:0/device:CPU:0"]()]]

放弃 tf.Variable 围绕 x 当分配给 init_val 也没有帮助,因为我得到了错误

AttributeError: 'Tensor' object has no attribute '_lazy_read'

(见 this entry 在Github上。有人知道吗?事先谢谢!

我在CPU上使用TensorFlow 1.12。