Question

这是一个通用的问题。我发现在张量流中，在我们构建图形之后，将数据提取到图形中，图形的输出是张量。但在很多情况下，我们需要根据此输出（tensor）进行一些计算，这在tensorflow中是不允许的。

例如，我试图实现一个RNN，它根据数据自身属性循环时间。也就是说，我需要使用tensor来判断是否应该停止（我不使用dynamic_rnn，因为在我的设计中，rnn是高度自定义的）。我发现tf.while_loop(cond,body.....)可能是我实施的候选人。但官方教程太简单了。我不知道如何在“身体”中添加更多功能。谁能给我一些更复杂的例子？

此外，在这种情况下，如果将来的计算基于张量输出（例如：基于输出标准的RNN停止），这是非常常见的情况。是否有优雅的方式或更好的方式而不是动态图？

Answer 1

什么阻止您向身体添加更多功能？您可以在正文中构建您喜欢的任何复杂计算图形，并从封闭图形中获取您喜欢的任何输入。此外，在循环之外，您可以随意返回任何输出。从“whatevers”的数量可以看出，TensorFlow的控制流原语在构思时考虑了很多。下面是另一个“简单”的例子，如果有帮助的话。

import tensorflow as tf
import numpy as np

def body(x):
    a = tf.random_uniform(shape=[2, 2], dtype=tf.int32, maxval=100)
    b = tf.constant(np.array([[1, 2], [3, 4]]), dtype=tf.int32)
    c = a + b
    return tf.nn.relu(x + c)

def condition(x):
    return tf.reduce_sum(x) < 100

x = tf.Variable(tf.constant(0, shape=[2, 2]))

with tf.Session():
    tf.global_variables_initializer().run()
    result = tf.while_loop(condition, body, [x])
    print(result.eval())

如何在tensorflow中使用tf.while_loop（）

1 个答案: