Question

我在Python中手工开发相关系数。我已经开发了使用NumPy数组，但我的矩阵很大，NumPy需要很长时间。

这是我已有的代码：

def corrcoef_2(x):
c = np.zeros((x.shape[0],x.shape[0],x.shape[0]))
for k1 in range(0,x.shape[0]):
    for k2 in range(0,x.shape[0]):
       c[k1,k2] = correlation(x[k1,:],x[k2,:])
return c

def correlation(T1, T2):
    numerator = np.mean((T1 - T1.mean()) * (T2 - T2.mean()))
    denominator = T1.std() * T2.std()
    if denominator == 0:
        return 0
    else:
        result = numerator / denominator
        return result

我不能使用Numpy corrcoef或TensorFlow原生方法，因为在我想将我的corrcoef函数推广到三维之后。

我可以做同样的事情，但是使用TensorFlow吗？我该怎么办？

感谢。

Answer 1

你会发现这在张量流中相对简单。大多数Numpy操作都可以在tensorflow中使用，并且通常使用相同的名称和形式（tensorflow会尝试模仿numpy）。

有助于您这样做的一些事情：

请记住，张量流不同于numpy，因为您需要首先定义所有数学运算（这些是符号），然后使用sess.run请求tensorflow计算特定值。您应该编写代码，使得您具有build_graph函数，其中定义了所有tensorflow操作。在创建会话with tf.Session() as sess:之后，您不需要在该点之后创建任何张量流操作符（您可以这样做，但这通常意味着您正在做一些错误的操作）。
请注意，您可以像执行numpy一样执行+ - * /之类的操作，tensorflow会覆盖这些操作，以根据需要使用tf.sum和tf.multiply等张量流结构替换它们。
您可以 NOT 在tensorflow中使用任何numpy操作。一切都需要成为张量流操作。如果你绝对不能没有一些python代码，你必须用tf.py_func明确地包装它，但是如果你觉得有必要这样做，那就发布一个关于SO的问题，验证为什么它是必要的，它不应该在你的情况下

您的build_graph函数看起来应该与您提供的代码非常相似，只需要使用大量tf.函数代替numpy等效函数。

一旦你在tensorflow中运行，你就可以在GPU上运行这些操作，只要你有一个支持CUDA的GPU并安装tensorflow-gpu，就没有什么特别需要使用GPU，tensorflow会假设这是你的意图。

使用Tensorflow

1 个答案: