了解Tensorflow中的while循环

Question

我正在使用map(_:)。我试图在不使用Python循环的情况下实现下面给出的reduce(_:_:)：

Python API for Tensorflow

我目前的实施如下：

def rosenbrock(data_tensor):
    columns = tf.unstack(data_tensor)

    summation = 0
    for i in range(1, len(columns) - 1):
        first_term = tf.square(tf.subtract(columns[i + 1], tf.square(columns[i])))
        second_term = tf.square(tf.subtract(columns[i], 1.0))
        summation += tf.add(tf.multiply(100.0, first_term), second_term)

    return summation

我尝试在Rosenbrock function中实现求和;但是，我发现在使用一个与数据保持独立的索引整数时，API有点不直观。 中给出的示例使用数据作为索引（反之亦然）：

i = tf.constant(0)
c = lambda i: tf.less(i, 10)
b = lambda i: tf.add(i, 1)
r = tf.while_loop(c, b, [i])

Answer 1

根据tf.while_loop()中的第二个示例，可以使用tf.while_loop()和标准documentation来实现。

def rosenbrock(data_tensor):
    columns = tf.unstack(data_tensor)

    # Track both the loop index and summation in a tuple in the form (index, summation)
    index_summation = (tf.constant(1), tf.constant(0.0))

    # The loop condition, note the loop condition is 'i < n-1'
    def condition(index, summation):
        return tf.less(index, tf.subtract(tf.shape(columns)[0], 1))

    # The loop body, this will return a result tuple in the same form (index, summation)
    def body(index, summation):
        x_i = tf.gather(columns, index)
        x_ip1 = tf.gather(columns, tf.add(index, 1))

        first_term = tf.square(tf.subtract(x_ip1, tf.square(x_i)))
        second_term = tf.square(tf.subtract(x_i, 1.0))
        summand = tf.add(tf.multiply(100.0, first_term), second_term)

        return tf.add(index, 1), tf.add(summation, summand)

    # We do not care about the index value here, return only the summation
    return tf.while_loop(condition, body, index_summation)[1]

重要的是要注意，索引增量应该出现在循环体中，类似于标准的while循环。在给定的解决方案中，它是body()函数返回的元组中的第一个项。

此外，循环条件函数必须为求和分配一个参数，尽管在此特定示例中未使用该参数。