Tensorflow tf.map_fn参数

Question

我正在尝试构造我的参数，以便它们能够与tf.map_fn（）一起正常工作，但大多数示例文档仅讨论与函数参数形状相同的数组或张量。

链接包括：

Does tensorflow map_fn support taking more than one tensor?

我的具体例子如下： 我有一些张量流函数，期望[None，2]和[x，y]作为参数张量形状。

Tensor A的形状为[batch_size，x * y，2]

Tensor B的形状为[batch_size，x，y]

lambdaData = (tensorA, tensorB)
lambdaFunc = lambda x: tensorflowFunc(x[0], x[1])
returnValues = tf.map_fn(lambdaFunc, lambdaData)

来自tensorflow文档：

If elems is a (possibly nested) list or tuple of tensors, then each of these 
tensors must have a matching first (unpack) dimension

由于tensorsA和B仅在维度0中匹配，因此我无法堆叠或连接它们;我也尝试过创建lambdaData：

1. 两个张量的列表
2. 两个张量的元组
3. 张量对列表

以上所有结果导致不同的尺寸不匹配误差。我会按照推荐的用法按照将所有数据放入单个张量的文档，但由于tensorA和tensorB之间的维度不匹配，我无法做到。有没有人对元组的元组或参数列表有什么好运？

Answer 1

原来tf.map_fn的错误信息非常误导;文档没有详细提到这一点，但如果传递一个元组/张量列表，则需要函数的确切返回数作为参数。最简单的方法是返回垃圾，然后只获取第一个返回值。

print(a.shape) #[batch, 784, 2]
print(b.shape) #[batch, 28, 28]
lambdaData = (a, b)
testFunc = lambda x: return <somethingUseful>, 0
returnValues, _ = tf.map_fn(testFunc, lambdaData)

按预期工作。

Answer 2

一个可能更漂亮的解决方案是指定dtype的{​​{1}}参数（参见documentation），例如：

map_fn

如果tf.map_fn(lambda x: fn(*x), elements, dtype=tf.float32) 只返回一个float32值。