Question

我正在尝试实现一个遍历张量行的循环，检索每一行中的索引，使用它们从另一个张量中收集向量，最后将这些向量组合在一个新的张量中。问题是每行可能包含不同数量的索引（例如[[-1，-1,1,4，-1]，[3，-1，-1，-1，-1]]第一行索引：[1,4];第二行索引[3]）。当我使用tf.while_loop或tf.scan时，问题就出现了。对于第一个，我不明白如何将所有聚集的张量叠加在一起。相反，第二个想要所有输出具有相同的形状（似乎我不能说所有输出都具有[无，10]的一般形状。

有没有人尝试过类似的东西？

我附上了while_loop的代码：

i = tf.constant(0)
def body(i, merging):
    i += 1
    print('i', i)
    i_row = tf.gather(dense, [i])
    i_indices = tf.where(i_row > 0)[:, 1]
    i_vecs = tf.gather(embeddings_ph, i_indices)
    return i, i_vecs

tf.while_loop(lambda i, merging : tf.less(i, 2), body, 
              loop_vars=[i,merging], 
              shape_invariants=[i.get_shape(), 
                                tf.TensorShape((None, 3))],
              name='vecs_gathering')

这里缺少的是将所有的while_loop输出（每个i的i_vec）叠加在一个新的张量中。

Answer 1

好的，从rnn实现中获得灵感。我修改了我的代码如下，现在它完美地工作：

def body(i, outputs):
    i_row = tf.gather(dense, [i])
    i_indices = tf.where(i_row > 0)[:, 1]
    i_vecs = tf.gather(embeddings_ph, i_indices)
    outputs = outputs.write(i, i_vecs)
    i += 1
return i, outputs

outputs = tf.TensorArray(dtype=tf.float32, infer_shape=False, size=1, 
                     dynamic_size=True) 
_, outputs = tf.while_loop(lambda i, *_: tf.less(i, 3), body,[0,outputs])

outputs = outputs.concat()

我还想强调一下，当你执行写操作时必须重新分配TensorArray的值（否则tf会抱怨你没有使用你声明的数组）

TensorFlow：在while循环中堆叠张量

1 个答案: