Question

我想使用Tensorflow为RNN应用程序进行滑动窗口转换。

对于窗口大小为4，使用Tensorflow简单整形，我们可以转换以下张量：

[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20]

为：

[[1,2,3,4],[5,6,7,8],[9,10,11,12],[13,14,15,16],[17,18,19,20]]

但是我希望它能像下面的张量那样大步前进：

[[1,2,3,4],[2,3,4,5],[3,4,5,6],[7,8,9,10],...,[17,18,19,20]]

使用Tensorflow平铺我可以得到：

[[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20],
 [1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20],
 [1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20],
 [1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20]]

我认为通过一些转变，我可以得到我想要的东西。你有什么想法吗？

生成上述平铺结果的代码很简单，如下所示。但是每个元素都是1D张量，表示瓶颈（来自CNN的特征向量），而不是上面例子中的数字。

model.logits, model.end_points = inception_v3.inception_v3(model.X_Norm, num_classes=nbrOfOutputNeurons, is_training=is_training)
model.bottleneck = slim.flatten(model.end_points['PreLogits']) # The ouput before FC

x = tf.reshape(model.bottleneck, [1, -1, bottleneck_tensor_size])
x = tf.tile(x, [rnn_time_steps, 1, 1])

Answer 1

tf.map_fn是map

的张量流版本

x = tf.range(1, 21, dtype=tf.int32)
xm = tf.map_fn(lambda i: x[i:i+4], tf.range(20-4+1), dtype=tf.int32)

with tf.Session() as session:
  session.run(tf.global_variables_initializer())

  x, xm = session.run([x, xm])
  print(x)
  print(xm)

Answer 2

尝试使用：

    from tensorflow.python.ops.signal import shape_ops
    framed_signals = shape_ops.frame(signal, win_len, win_step)

张量流滑动窗口转换

2 个答案: