在张量流中的无维度上迭代张量

Question

在这种情况下，我有一个张量，其第一个维度为None，与批次大小相对应，例如：

tensor = tf.placeholder(tf.float32, shape=[None, 256, 256,3],name="placeholder_input")

现在，我有一个张量函数“ myfunc”，作用在大小为[256,256,3]的张量上，我想对其应用与批处理次数相同的次数，从而得到大小为[None， 256，256,3]。如果形状不是动态的，我会简单地做：

output_tensor = tf.stack([myfunc(tensor [k,:,:,:] for k in range(BATCH_SIZE)])

我该如何处理动态形状？

Answer 1

如果您确实想这样做，可以使用tf.map_fn

否则，您可以尝试直接处理原始张量（第一维=无）并在适当的轴上执行操作（无需循环）

Answer 2

使用tf.map_fn和tf.scan在Tensor Flow中可以对None进行迭代，但是请确保在构建任何图形之前禁用急切的执行。

可以使用：

import tensorflow as tf
tf.compat.v1.disable_eager_execution()

您可以执行以下操作：

tensor = tf.compat.v1.placeholder(dtype=tf.float32, shape=[None, 256, 256,3],name="placeholder_input")
output_tensor = tf.map_fn(lambda x : x, elems=(tensor))

输出：

<tf.Tensor 'map/TensorArrayV2Stack/TensorListStack:0' shape=(None, 256, 256, 3) dtype=float32>

此处不需要tf.stack，因为tf.map_fn（）会自动堆叠所有返回的张量