Question

tensorflow文档指出tf.scan扫描在尺寸0上从elems解包的张量列表。最简单的扫描版本重复将可调用的fn应用于从头到尾的元素序列。这些元素由尺寸为0的elems打包的张量制成。

我的问题是：如何扫描其他维度上的张量列表而不是维度0？例如，我有一个张量，参考，定义如下。

>>> ref = tf.Variable(tf.ones([2,3,3],tf.int32))
....
>>> print(ref.eval())
[[[1 1 1]
  [1 1 1]
  [1 1 1]]

 [[1 1 1]
  [1 1 1]
  [1 1 1]]]

我想扫描ref [1,0]，ref [1,1]，ref [1,2]并将一个函数应用于每个，例如add 1。也就是说，我希望ref在操作之后

>>> print(ref.eval())
[[[1 1 1]
  [1 1 1]
  [1 1 1]]

 [[2 2 2]
  [2 2 2]
  [2 2 2]]]

我可以使用tf.scan来做到这一点吗？如果有，怎么样？如果没有，任何其他方式怎么做？

感谢。

Answer 1

您可以在tf.transpose()之前tf.scan()张量，并在之后转置。

此外，如果您希望变量ref在操作后包含新值，则需要tf.assign()返回值。

请注意，只需应用直接扫描即可实现所需的示例值，但无需转置。请参阅此代码（已测试）（请参阅答案底部的转置另一个示例）：

import tensorflow as tf

ref = tf.Variable(tf.ones([2,3,3],tf.int32))
ref2 = tf.scan( lambda y, x: x + 1, ref )

with tf.Session() as sess:
    sess.run( tf.global_variables_initializer() )
    print ( sess.run( ref2 ) ) # ref2 is calculated
    print ( "====================")
    print ( sess.run( ref ) ) # the original ref is unchanged
    print ( "====================")
    sess.run( tf.assign( ref, ref2 ) ) # assign the value back to ref
    print ( sess.run( ref ) )

输出：

[[[1 1 1]
    [1 1 1]
    [1 1 1]]

[[2 2 2]
    [2 2 2]
    [2 2 2]]]
   ====================
  [[[1 1 1]
    [1 1 1]
    [1 1 1]]

[[1 1 1]
    [1 1 1]
    [1 1 1]]]
   ====================
  [[[1 1 1]
    [1 1 1]
    [1 1 1]]

[[2 2 2]
    [2 2 2]
    [2 2 2]]]

如果您使用tf.transpose()，则可以沿任何维度进行扫描：

import tensorflow as tf

ref = tf.Variable(tf.ones([2,3,3],tf.int32))
ref2 = tf.transpose( tf.scan( lambda y, x: x + 1,
                              tf.transpose( ref, [ 1, 0, 2 ] ) ),
                     [ 1, 0, 2 ] )

with tf.Session() as sess:
    sess.run( tf.global_variables_initializer() )
    sess.run( tf.assign( ref, ref2 ) )
    print ( sess.run( ref ) )

将输出：

[[[1 1 1]
    [2 2 2]
    [2 2 2]]

[[1 1 1]
    [2 2 2]
    [2 2 2]]]

如何在尺寸0处扫描张量？

1 个答案: