Question

说，我有一个张量，它可能包含正值和负值：

[ 1, -1, 2, -2 ]

现在，我想对正值应用log（x），对负值应用常量-10：

[ log(1), -10, log(2), -10 ]

换句话说，我想拥有像numpy.vectorize这样的功能。这在张量流中是否可行？

一种可能的方法是使用不可学习的变量，但我不知道它是否可以正确地进行反向传播。

Answer 1

tf.map_fn()使您能够跨矢量元素（或更高维张量的切片）映射任意TensorFlow子计算。例如：

a = tf.constant([1.0, -1.0, 2.0, -2.0])

def f(elem):
  return tf.where(elem > 0, tf.log(elem), -10.0)

  # Alternatively, if the computation is more expensive than `tf.log()`, use
  # `tf.cond()` to ensure that only one branch is executed:
  # return tf.where(elem > 0, lambda: tf.log(elem), lambda: -10.0)

result = tf.map_fn(f, a)

Answer 2

我找到了，tf.where完成了这种工作：https://www.tensorflow.org/api_docs/python/tf/where

如何在张量流中的张量上自定义元素方式的函数？

2 个答案: