python – 在一个张量上循环

发布时间：2020-12-16 23:44:22 所属栏目：Python 来源：网络整理

导读：我试图以 python的方式处理一个可变大小的张量,如下所示： # X is of shape [m,n]for x in X: process(x) 我试图使用tf.scan,问题是我想处理每个子张量,所以我试图使用嵌套扫描,但是我启用了它,因为tf.scan可以使用累加器,如果没有发现它将把elems的第一个条

我试图以 python的方式处理一个可变大小的张量,如下所示：

# X is of shape [m,n]
for x in X:
    process(x)

我试图使用tf.scan,问题是我想处理每个子张量,所以我试图使用嵌套扫描,但是我启用了它,因为tf.scan可以使用累加器,如果没有发现它将把elems的第一个条目作为初始化器,我不想这样做.
举个例子,假设我想在张量的每个元素中添加一个(这只是一个例子),我想逐个元素地处理它.如果我运行下面的代码,我将只添加一个子张量,因为扫描将第一个张量视为初始化器,以及每个子张量的第一个元素.

import numpy as np
import tensorflow as tf

batch_x = np.random.randint(0,10,size=(5,10))
x = tf.placeholder(tf.float32,shape=[None,10])

def inner_loop(x_in):
    return tf.scan(lambda _,x_: x_ + 1,x_in)

outer_loop = tf.scan(lambda _,input_: inner_loop(input_),x,back_prop=True)

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    rs = sess.run(outer_loop,feed_dict={x: batch_x})

有什么建议？

解决方法

tensorflow内置函数的大多数可以元素应用.所以你可以将张量传递给函数.喜欢：

outer_loop = inner_loop(x)

但是,如果你有一些无法以这种方式应用的函数(它真的很容易看到这个函数),你可以使用map_fn.

比如说,你的函数只是为张量(或其他)的每个元素添加1：

inputs = tf.placeholder...

def my_elementwise_func(x):
    return x + 1

def recursive_map(inputs):
   if tf.shape(inputs).ndims > 0:
       return tf.map_fn(recursive_map,inputs)
   else:
       return my_elementwise_func(inputs)

result = recursive_map(inputs)

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!