Question

我有一些非常简单的张量流代码来旋转矢量：


import tensorflow as tf
import numpy as np

x = tf.placeholder(tf.float32, shape=(2, 1))
angle = tf.placeholder(tf.float32)

s_a = tf.sin(angle)
c_a = tf.cos(angle)
R = tf.Variable([[c_a, s_a], [-s_a, c_a]], tf.float32, expected_shape=(2,2))
#R = tf.Variable([[1.0, 0.0], [0.0, 1.0]], tf.float32)
rotated_v = tf.matmul(R,x)

init = tf.global_variables_initializer()
with tf.Session() as sess:
    sess.run(init)

    res =  sess.run([init,rotated_v], feed_dict={x:np.array([[1.0],[1.0]]), angle:1.0})
    print(res)

当我手动编码单位矩阵时，代码工作正常。但是，在目前的形式中，我收到了这个错误：

ValueError: initial_value must have a shape specified: Tensor("Variable/initial_value:0", dtype=float32)

我尝试过多种方式指定形状，但我无法完成这项工作。

我做错了什么？

Answer 1

我找到了实现这个目标的方法（可能不是最好的方法，但它确实有效）。


import tensorflow as tf
import numpy as np

x = tf.placeholder(tf.float32, shape=(2, 1))
angle = tf.placeholder(tf.float32)

s_a = tf.sin(angle)
c_a = tf.cos(angle)
R = tf.Variable([[1.0, 0.0], [0.0, 1.0]], tf.float32)
assignR = tf.assign(R, [[c_a, s_a], [-s_a, c_a]])

rotated_v = tf.matmul(R,x)

init = tf.global_variables_initializer()
with tf.Session() as sess:
    sess.run(init)
    newR = sess.run(assignR, feed_dict={angle:1.0})
    print(newR)
    print()

    res =  sess.run([rotated_v], feed_dict={x:np.array([[1.0],[1.0]])})
    print(res)

Answer 2

此方法不起作用，因为s_a和c_a是操作输出，这些值由angle唯一确定。您无法分配或更新这些节点，因此训练它们没有任何意义。

这条线，另一方面......

R = tf.Variable([[1.0, 0.0], [0.0, 1.0]], tf.float32)

...是初始值等于单位矩阵的自变量的定义。这完全有效。由于此变量是独立的，因此您可以为其指定一个新值，该值由s_a和c_a组成。请注意，您无法使用s_a和c_a对其进行初始化，因为初始化程序在将值输入会话之前运行（因此angle未知）。

基本Tensorflow：使用现有变量定义Tensor变量

2 个答案: