Question

我正在寻找（但已完全无法找到）tensorflow中的一个函数，这将允许我做一个地图＆＃39;在张量上。

地图

首先，我甚至不确定是否有地图＆＃39;功能？通过这个意思，我可以将给定的f（x）应用于张量中的偶数。例如我想要这样的东西

def f(x):
  return x**2

Y = tf.Variable(np.array([[1.0, 2.0],
                          [3.0, 4.0]])

Y = tf.map_function(X, f)

产生（在会话中适当地运行之后，显然）具有值

的张量

Y = [[1.0, 4.0],
     [9.0, 16.0]]

这是否存在（对于一般f - 我意识到tf.nn.relu和tf.nn.sigmoid? On one hand, it seems like it should, since map`是一个非常基本的操作。另一方面，它将涉及获取提供的python函数并以某种方式将其转换为在GPU上执行，这听起来像是可能无法实现的。

我在这里要求用棍子上的月亮吗？

** MAPI *

如果存在这样的功能，是否有允许我使用索引感知f的版本？ e.g。

def f(x, i):
  if (i != [0, 0]):
    k2 = np.sum([x**2 for x in i])
  else:
    k2 = 1.0 # To avoid division by zero
  return (x / k2)

Y = tf.Variable(np.ones(shape=(2,3)))

Y = tf.mapi_function(X, f)

制造

Y = [[1.0, 1.0, 0.25],
     [1.0, 0.5, 0.2]]

如果这样的功能不存在，我是否可以（对于固定的f）通过构建来自（略微修改的）源的张量流来添加它们？

为什么我需要这样的功能

我之所以这么说是因为我试图使用tensorflow来数字化整合PDE。作为其中的一部分，我需要计算拉普拉斯（d ^ 2 / dx ^ 2 + d ^ 2 / dy ^ 2 + d ^ 2 / dz ^ 2）u（x，y，z）。在字段u（k_X，k_y，k_z）的傅里叶变换表示中，这涉及除以k_x ^ 2 + k_y ^ 2 + k_z ^ 2.

我可以预先计算一个反平方波数值的张量，并逐个元素乘法。但这会占用大量内存。我怀疑从内存加载这些值也会更慢。

Answer 1

在您希望单独映射到每个x,y,z坐标的具体示例中，您可以使用tf.split()和tf.stack()轻松完成此操作。也就是说，我假设你有一个大小为K的输入张量（称之为[n,m,...,3]）;也就是说，最后一个维度索引x,y,z坐标。如果是，请使用tf.split()将K分解为Kx,Ky,Kz。然后应用你的地图操作（我通常使用tf.map_fn()），然后最后与tf.stack()一起堆叠。

如果我理解正确的设置应该这样做。如果没有，请提供一个最小的工作示例，使问题具体化;否则我们最多猜测一个解决方案。

tensorflow中是否有一个函数用于进行索引函数的转换？

1 个答案: