Question

我是机器学习编码的新手，也是使用Tensorflow进行编码的新手。

我在Tensorflow中使用索引时遇到问题。在简单的python中使用numpy非常简单，但在Tensorflow库中我无法弄清楚如何制作它。

我想应用softmax函数不是在每个类的例子中，而是仅在每个行的两个随机类中应用，并在特定索引中的所有类的大矩阵（最初为零）中返回这些值。之前采取的随机课程）。 numpy中的算法更容易，因为可以使用简单的索引，但在tensorflow中，我会想到它：

给定矩阵X：（NxD）和矩阵W：（KxD）以及0和K-1之间两个随机数的数组rem_cl

S is an empty matrix
for every line in X
   take Wsamp = W[rem_cl] 
   mult = X[line] * Wsamp.T
   apply softmax on mult
   put those numbers in an array "s" of zeros (1xK) in the indexes of rem_cl
   append s in S

矩阵S最终将具有形状（NxK）

我现在制作的张量流代码是：

Xnp = np.array([[1,0,0,0,0],[1,0,1,0,0],[1,0,1,1,2],[4,2,1,0,0],[3,0,1,1,2],[1,2,1,0,0]], np.float32)
K = 4
W = tf.Variable(tf.random_uniform((K,5)))
rand = tf.random_uniform((),0,K-1, tf.int32)
s = tf.Variable(tf.zeros((K)))
S = tf.Variable(tf.zeros((K)))
for line in range(4):
    rem_cl = tf.constant([sess.run(rand),sess.run(rand)])   
    Wsampled = (tf.gather(W,rem_cl))
    mult = (tf.matmul(Xnp[line:line+1],Wsampled,transpose_b=True))
    mult = (tf.nn.softmax(mult)) 
    rem_cl = tf.reshape(rem_cl,(2,1))
    rem_cl = tf.transpose(rem_cl)
    k = sess.run(tf.scatter_update(s,rem_cl,mult))
    sess.run(s.assign(tf.zeros(K)))
    S = tf.pack([S,k], axis=0)

最后一行给出以下错误

形状必须等于等级，但是为2和1 从形状0与其他形状合并。

我的问题是： 1）首先，是否有更简单的方法来更新Tensorflow中矩阵的数组指定值？ 2）如果没有，为什么会出现这个错误，或者更好地说，如何在现有矩阵中添加新行呢？

Answer 1

如果你正在使用Python循环，我只会使用一个Python的Tensors列表。如果你最终使用TensorFlow while_loop（有助于保持图形较小），我会考虑使用TensorArray（或者像scan（）这样的高级循环结构之一隐式使用它。）

至于错误只是为了完成，我认为你需要concat，向量为expand_dims。 Pack添加了一个维度，并要求其参数具有相同的形状。

Tensorflow索引2-D矩阵更新

1 个答案: