您好，我们已经收到了您的问题，会安排技术人员尽快解答您的问题，请耐心等待。请您再次检查是否提供了清晰的问题描述、复现代码、环境&版本、报错信息等。同时，您也可以通过查看 官网API文档 、 常见问题 、 历史Issue 、 AI社区 来寻求解答。祝您生活愉快～

Hi! We've received your issue and please be patient to get responded. We will arrange technicians to answer your questions as soon as possible. Please make sure that you have posted enough message to demo your request. You may also check out the API ， FAQ ， Github Issue and AI community to get the answer.Have a nice day!

import paddle

a = paddle.arange(5)
print(a)
# Tensor(shape=[5], dtype=int64, place=CUDAPlace(0), stop_gradient=True,
#       [0, 1, 2, 3, 4])
a[3].set_value(paddle.to_tensor(7, dtype=paddle.int64))
print(a)
# Tensor(shape=[5], dtype=int64, place=CUDAPlace(0), stop_gradient=True,
#       [0, 1, 2, 3, 4])
a[3].set_value(paddle.to_tensor([7], dtype=paddle.int64))
print(a)
# Tensor(shape=[5], dtype=int64, place=CUDAPlace(0), stop_gradient=True,
#       [0, 1, 2, 3, 4])
b = paddle.arange(1,6)
a.set_value(b)
print(a)
# Tensor(shape=[5], dtype=int64, place=CUDAPlace(0), stop_gradient=True,
#        [1, 2, 3, 4, 5])

如上，tensor也不能只将某段数据更改为我们需要的数据，使用set_value是由于我在某个程序运行时， Leaf Tensor (auto_6208350_) that doesn't stop gradient can't use inplace strategy. 这样的错误，由于不能stop_gradient不能直接使用‘=’等号赋值.

我希望我可以对有梯度的tensor的其中一部分进行更改。
我尝试了a[3].set_value(7)，这样，它会报错 Variable set_value function, arguments type only support Variable, numpy, VarBase, dict, string.

你好，感谢反馈，这个需求我们记录下哈~

这个因为 __getitem__从中取值时，将遍历的scalar元素转为 shape为1的Tensor，目前框架还没支持空维Tensor。如需更改，则要修改__getitem__中的返回值，针对遍历的单个元素返回scalar

0维Tensor在EinOps这个开源项目中也有需求，项目作者也期待咱们框架可以尽早支持0维Tensor~

0维Tensor在EinOps这个开源项目中也有需求，项目作者也期待咱们框架可以尽早支持0维Tensor~

啥时候会支持0维tensor有具体消息吗？感觉这个太重要了...

0维Tensor在EinOps这个开源项目中也有需求，项目作者也期待咱们框架可以尽早支持0维Tensor~

啥时候会支持0维tensor有具体消息吗？感觉这个太重要了...

我这边对这方面认知有些生疏，可以说说有哪些应用场景吗？如果能有个比较常见的场景或者玩法，我也好去催一下他们（哈哈哈）

0维Tensor在EinOps这个开源项目中也有需求，项目作者也期待咱们框架可以尽早支持0维Tensor~

啥时候会支持0维tensor有具体消息吗？感觉这个太重要了...

我这边对这方面认知有些生疏，可以说说有哪些应用场景吗？如果能有个比较常见的场景或者玩法，我也好去催一下他们（哈哈哈）

我举一个简单的场景，现在有2个tensor，我希望将它们的首元素合并为一个tensor，按照正常思维，合并得到的元素应该是一个shape为(2,)的1阶tensor对吧

x=paddle.rand([2])
y=paddle.rand([2])

paddle.stack([x[0],y[0]])

但是得到的结果却是一个shape为(2,1)的2阶tensor

Tensor(shape=[2, 1], dtype=float32, place=CPUPlace, stop_gradient=True,
       [[0.10902353],
        [0.77193171]])

那么为了得到预期结果，我不得不对输出再进行一次reshape。
但这还没完，更要命的是假如x，y含有Batch维度，也即：

BATCH=8
x=paddle.rand([BATCH,1])
y=paddle.rand([BATCH,1])

paddle.stack([x[0],y[0]])

得到的结果是也一个shape为(2,1)的2阶tensor，那么这个时候就会和上面引起严重歧义，不得不增加很多代码来判断此时到底应不应该reshape

@Shelly111111@GT-ZhangAcer@phoenixsfly hi，请问这个支持后对模型业务上，会有其他方面的收益吗，比如以前没办法支持的模型现在可以支持了