Question

我尝试使用tensorflow中的map_fn将变换应用于列向量，但它无效。

对于以下列向量：

elems = np.array([[1.0], [2.0], [3.0]])

当我这样做时：

tf_m = tf.map_fn(lambda x: x + 1.0, elems)
with tf.Session() as sess:
    res = sess.run(tf_m)
    print(str(res))

我得到了我期望的结果，即这个列向量：

[[2.]
 [3.]
 [4.]]

然而，当我这样做时：

tf_m2 = tf.map_fn(lambda x: x+1 if x % 2 > 0 else x, elems)
with tf.Session() as sess:
    res = sess.run(tf_m2)
    print(str(res))

代码失败，出现以下异常：

TypeError：不允许使用tf.Tensor作为Python bool。使用if t is not None:代替if t:来测试是否定义了张量，并使用TensorFlow操作（如tf.cond）来执行以张量值为条件的子图。

我尝试过打印x的类型，它是一个有形状的张量（1，）。所以，它看起来正在发生的是，值不是作为标量值传递给lambda，而是作为具有形状（1，）的张量传递; ％被广播，产生另一个形状的张量（1，），但该张量不能应用＆gt; =运算符。

有没有办法让这项工作？有没有办法获得实际标量我可以应用＆gt; =运算符？如果没有，是否可以使用map_fn的有效替代方案？

（我已经看过tf.cond了，在这种情况下我怎么能用它是不明显的。据我所知，tf.cond会产生一个op，而不是一个可调用的，所以如何我是否会在map_fn应用的lambda中使用它？）

Answer 1

您可以使用tf.map_fn和tf.cond执行此操作：

elems_shape = tf.shape(elems)
elems_flat = tf.reshape(elems, [-1])
tf_m2_flat = tf.map_fn(lambda x: tf.cond(x % 2 > 0, lambda: x + 1, lambda: x), elems_flat)
tf_m2 = tf.reshape(tf_m2_flat, elems_shape)

但您也可以像这样简单地使用tf.where：

tf_m2 = tf.where(elems % 2 > 0, elems + 1, elems)

尝试在张量流中使用if map_fn

1 个答案: