Question

我有一个5x3的零矩阵，我想在while_loop中用一个更新。我想使用循环变量作为scatter_nd_update函数的indices参数。我的代码是这样的：

# Zeros matrix
num = tf.get_variable('num', shape=[5, 3], initializer=tf.zeros_initializer(), dtype=tf.float32)
# Looping variable
i = tf.constant(0, dtype=tf.int32)
# Conditional
c = lambda i, num: tf.less(i, 2)
def body(i, num):
    # Update values
    updates = tf.ones([1, 3], dtype=tf.float32)
    num = tf.scatter_nd_update(num, [[i]], updates)
    return tf.add(i, 1), num
i, num = tf.while_loop(c, body, [i, num])
# Session
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    num_out = sess.run(num)
    print(num_out.shape)
    print(num_out)

这会引发错误：AttributeError: 'Tensor' object has no attribute 'handle'并指向num = tf.scatter_nd_update(num, [[i]], updates)行

当我通过使用不同的i值运行num = tf.scatter_nd_update(num, [[i]], updates)两次运行此代码而没有循环时，它会工作，我得到一个包含2行1的矩阵，但是当我在while_loop中尝试相同的事情时会发生此错误

Answer 1

问题围绕以下事实：tf.scatter_nd_update()需要变量进行更改，而tf.while_loop()使用 张量< / em> 作为循环变量。从根本上说，tf.while_loop()会在设置图表时运行循环，而tf.scatter_nd_update()是在网络运行时运行的操作。

换句话说，您创建的网络将有三个num张量：一个带有原始零，然后在第一行被替换后跟随另一个，然后跟随另一个，前两行更换。为了实现这一点，您可以使用此代码（已测试），下面有更多解释：

import tensorflow as tf num = tf.zeros( shape = ( 5, 3 ), dtype = tf.float32 ) # Looping variable i = tf.zeros( shape=(), dtype=tf.int32) # Conditional c = lambda i, num: tf.less(i, 2) def body(i, num): # Update values updates = tf.ones([1, 3], dtype=tf.float32) num_shape = num.get_shape() num = tf.concat( [ num[ : i ], updates, num[ i + 1 : ] ], axis = 0 ) num.set_shape( num_shape ) return tf.add(i, tf.ones( shape=(), dtype = tf.int32 ) ), num i, num = tf.while_loop( c, body, [ i, num ] ) # Session with tf.Session() as sess: sess.run(tf.global_variables_initializer()) num_out = sess.run( [ num ] ) print(num_out)

输出：


[array（[[1。，1.，1。]，
         [1.，1.，1。]，
         [0.，0.，0。]，
         [0.，0.，0。]，
         [0.，0.，0。]]，dtype = float32）]

首先，请注意我已将num更改为变量的张量。这将允许它在tf.while_loop()中用作循环变量。其次，分散操作在张量上没有很好的方法，所以我基本上将num分开（在i之前和之后 - i，并在其间插入update）。我们还必须设置num的形状，否则tf.while_loop()会抱怨形状不确定（因为tf.concat();有一种方法可以使用{tf.while_loop()在{{3}}中的1}}参数但对我们的情况来说这更容易。）

Tensorflow中的循环切片分配

1 个答案: