我尝试使用Tensorflow LSTM RNN进行一些音频处理。我使用tf.contrib.signal.stft希望神经网络更容易理解我的数据，但它会返回类型为complex64的Tensor。如果我尝试将其提供给dynamic_rnn，我会收到以下错误：
ValueError：需要变量rnn / basic_lstm_cell / kernel的初始值设定项
所以我需要为RNN提供float32值。我可以将张量转换为float32，但是我认为假想的组件被丢弃了，我认为它可能很重要。我想将每个complex64转换为2个float32值，一个包含实数值，另一个包含虚数值。
我的张量具有以下形状：[batch_size，chunk，channels，samples，bin]和complex64的dtype。
我希望将其转换为具有形状[batch_size，chunk，channel，samples，bin，2]和float32的dtype。
我尝试了以下代码：
realFourierTransformed = tf.map_fn(lambda batch: tf.map_fn(lambda chunk: tf.map_fn(lambda channel: tf.map_fn(lambda sample: tf.map_fn(lambda bin: tf.convert_to_tensor([tf.real(bin), tf.imag(bin)]), sample, dtype=tf.float32), channel, dtype=tf.float32), chunk, dtype=tf.float32), batch, dtype=tf.float32), fourierTransformed, dtype=tf.float32)
但它的运行速度非常慢。
我确信有更好的方法可以做到这一点。
答案 0 :(得分：5)
怎么样
extended_bin = bin[..., None]
tf.concat([tf.real(extended_bin), tf.imag(extended_bin)], axis=-1)
首先添加新轴，然后我们分别提取实部/虚部。