Question

import tensorflow as tf

array = tf.Variable(tf.random_normal([10]))
i = tf.constant(0)
l = []

def cond(i,l):
   return i < 10

def body(i,l):
   temp = tf.gather(array,i)
   l.append(temp)
   return i+1,l

index,list_vals = tf.while_loop(cond, body, [i,l])

我想以与上面代码中描述的方式类似的方式处理张量数组。在while循环的主体中，我想逐个元素地处理数组以应用一些函数。为了演示，我给了一个小代码片段。但是，它给出了如下错误消息。

ValueError: Number of inputs and outputs of body must match loop_vars: 1, 2

感谢您解决此问题的任何帮助。

由于

Answer 1

引用文档：

loop_vars是一个（可能是嵌套的）元组，名称元组或列表传递给cond和body
的张量

你不能将常规python数组作为张量传递。你能做的是：

i = tf.constant(0)
l = tf.Variable([])

def body(i, l):                                               
    temp = tf.gather(array,i)
    l = tf.concat([l, [temp]], 0)
    return i+1, l

index, list_vals = tf.while_loop(cond, body, [i, l],
                                 shape_invariants=[i.get_shape(),
                                                   tf.TensorShape([None])])

形状不变量在那里，因为通常tf.while_loop期望内部的张量形状，而循环不会改变。

sess = tf.Session()
sess.run(tf.global_variables_initializer())
sess.run(list_vals)
Out: array([-0.38367489, -1.76104736,  0.26266089, -2.74720812,  1.48196387,
            -0.23357525, -1.07429159, -1.79547787, -0.74316853,  0.15982138], 
           dtype=float32)

Answer 2

TF提供了TensorArray来处理此类情况。在文档中，

类包装动态大小的，按时间划分的一次写入Tensor数组。

该类旨在与动态迭代原语（例如while_loop和map_fn）一起使用。它通过特殊的“流”控制流依赖性支持梯度反向传播。

这里是一个例子，

import tensorflow as tf

array = tf.Variable(tf.random_normal([10]))
step = tf.constant(0)
output = tf.TensorArray(dtype=tf.float32, size=0, dynamic_size=True)

def cond(step, output):
    return step < 10

def body(step, output):
    output = output.write(step, tf.gather(array, step))
    return step + 1, output

_, final_output = tf.while_loop(cond, body, loop_vars=[step, output])

final_output = final_output.stack()

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    print(sess.run(final_output))

Tensorflow while循环：处理列表

2 个答案: