Question

我的TensorFlow图的一个输入是可变长度数组的列表（例如[[0, 1, 2], [3, 4], [5, 6, 7, 8]）。为了表示这一点，我在图表中使用了TensorArray。

但是，在运行图表时，由于feed_dict={ some_ta: [[0, 1, 2], [3, 4], [5, 6, 7, 8]] }无效，我无法找到一种方式来输入一批TensorArrays。

目前是否存在允许我直接将TensorArrays输入会话的解决方法？

Answer 1

此案例没有开箱即用的解决方案，但您可以尝试解决方法。

最简单的解决方法是填充所有输入数据（例如使用零），以便所有数组具有相同的维度。请注意，tensorflow旨在使用张量执行计算，张量具有矩形，而不是可变的形状。因此，这种方式可能会更快地完成您的操作，但您需要调整算法以忽略尾随零。

在上面的示例中，代码很简单：
```
# can hold any number of 4-D vectors
input = tf.placeholder(dtype=tf.float32, shape=[None, 4])
with tf.Session() as session:
  data = [[0, 1, 2, 0], [3, 4, 0, 0], [5, 6, 7, 8]]
  print session.run(input, feed_dict={input: data})
```

如果长度恰好是固定的，您可以通过这种方式对输入进行分区

input = tf.placeholder(dtype=tf.float32, shape=[None])
split = tf.dynamic_partition(input, partitions=[0, 0, 0, 1, 1, 2, 2, 2, 2], num_partitions=3)

with tf.Session() as session:
  data = [0, 1, 2, 3, 4, 5, 6, 7, 8]
  print session.run(split, feed_dict={input: data})

结果如下：

[array([ 0.,  1.,  2.], dtype=float32), array([ 3.,  4.], dtype=float32), array([ 5.,  6.,  7.,  8.], dtype=float32)]

partitions参数不能是张量，因此在构建图形时必须静态地知道它。

要执行真正的任意分割，您需要自己手动执行此操作。您仍然将data作为单个数组传递，同时保存分区索引的partitions。然后，您可以按this question或this question中的建议执行繁琐的拆分。除非绝对别无其他办法，否则我不建议你遵循这条道路。

如何将TensorArray提供给TensorFlow会话

1 个答案: