如何在tf.while_loop中使用tf.scatter_update
在tf.while_loop中使用tf.scatter_update的方法是通过创建一个变量来存储更新后的值，并使用tf.scatter_update函数将新值分散到原始变量中。
首先，我们需要导入必要的库：
import tensorflow as tf然后，我们可以定义一个tf.while_loop循环，并在循环内部使用tf.scatter_update来更新变量的值。假设我们有一个变量x，我们想要在每次循环中将其乘以2：
def body(i, x):
# 更新变量x的值
new_x = x * 2
# 使用tf.scatter_update将新值分散到原始变量x中
x_update = tf.scatter_update(x, i, new_x)
# 返回更新后的变量x和下一个循环的索引i+1
return i + 1, x_update
def cond(i, x):
# 定义循环的终止条件
return tf.less(i, tf.shape(x)[0])
# 定义初始变量x和循环的初始索引i
x = tf.Variable([1, 2, 3, 4, 5], dtype=tf.float32)
i = tf.constant(0)
# 使用tf.while_loop进行循环更新
_, updated_x = tf.while_loop(cond, body, loop_vars=[i, x])
# 初始化变量
init = tf.global_variables_initializer()
# 创建会话并运行
with tf.Session() as sess:
sess.run(init)
updated_x_val = sess.run(updated_x)
print("Updated x:", updated_x_val)在上面的代码中，我们首先定义了循环的主体函数body和终止条件函数cond。在主体函数中，我们首先计算出新的变量值new_x，然后使用tf.scatter_update将新值分散到原始变量x中。最后，我们返回更新后的变量x和下一个循环的索引i+1。
然后，我们定义了初始变量x和循环的初始索引i。接下来，我们使用tf.while_loop进行循环更新，传入终止条件函数cond、主体函数body和循环变量i和x。
最后，我们初始化变量并创建会话来运行代码。在会话中，我们首先运行初始化操作，然后通过sess.run运行更新后的变量updated_x，并将其打印出来。
这样，我们就可以在tf.while_loop中使用tf.scatter_update来更新变量的值了。
相关·内容
我有一个tf.while_loop，其中它是基于tf.Variable中的一个元素进行条件处理的。问题是，当我使用tf.scatter_update时，我得到了以下错误消息(注意:当我使用tf.add时，它工作得很好)： ---> 11 var = tf.scatter_update(var, [0], tf.add(var, tf.constant([1.0])))
AttributeError: 'Tensor' object has no attribute '_lazy_read' 简化的代码如下(注意:我不能使用tf.add，因为我只想更
浏览 16提问于2019-05-19得票数 1
回答已采纳
我正在尝试使用tf.Variable更新tf.while_loop()中的tf.scatter_update()。但是，结果是初始值，而不是更新的值。下面是我要做的工作的示例代码：
from __future__ import print_function
import tensorflow as tf
def cond(sequence_len, step):
return tf.less(step,sequence_len)
def body(sequence_len, step):
begin = tf.get_variable("begin",
浏览 3提问于2016-05-06得票数 6
回答已采纳
如何在while循环中更改张量值？我知道我可以使用tf.scatter_update(variable, index, value)操作tf.Variable的单个值，但是在循环中我不能访问变量。有没有办法在while循环中操作Tensor的给定值？ 作为参考，下面是我当前的代码： my_variable = tf.Variable()
def body(i, my_variable):
[...]
return tf.add(i, 1), tf.scatter_update(my_variable, [index], value)
loop = tf.while_lo
浏览 10提问于2019-02-10得票数 2
回答已采纳
我想更新Tensorflow中的一个变量，为此，我使用了tf.while_loop如下：
a = tf.Variable([0, 0, 0, 0, 0, 0] , dtype = np.int16)
i = tf.constant(0)
size = tf.size(a)
def condition(i, size, a):
return tf.less(i, size)
def body(i, size, a):
a = tf.scatter_update(a, i , i)
return [tf.add(i, 1), size, a]
r = tf.whil
浏览 0提问于2018-09-08得票数 2
回答已采纳
如果变量的类型被定义为浮点型，tf.scatter_update似乎不会更新该变量。这是一个你可以尝试的代码：
import tensorflow as tf
def cond(size, i):
return tf.less(i,size)
def body(size, i):
b=2*7.5+c
with tf.variable_scope("a", reuse=tf.AUTO_REUSE):
a = tf.get_variable("a",[6],dtype=tf.float32)
a = t
浏览 0提问于2018-10-28得票数 1
我一直在尝试使用tf.scatter_update进行N维更新(在tf.scatter_nd由于形状不匹配而失败之后)。通常，它们将用于创建过滤传入张量的切片的掩码。
假设输入张量A是形状(批，i，j，k(深度))。我只对修改i，j值( all k和all b )感兴趣。
MWE：
import tensorflow as tf
b, i, j, k = 64, 128, 128, 256
A = tf.random_uniform(shape=(64, 128, 128, 256), dtype='int32', seed=1234) # Batch, i, j, k
m
浏览 0提问于2019-01-08得票数 1
在Pytorch中，您可以很容易地更新张量，如下所示：
for i in range(x_len):
tensor_abc[:, i, i] = 0
我们怎样才能更新像tensorflow这样的张量呢？
我试过tf.assign和tf.scatter_update，但是做得很好。
浏览 0提问于2018-10-04得票数 2
回答已采纳
我正在尝试使用tf.while_loop来并行运行循环。然而，在下面的玩具示例中，循环似乎不是并行运行的。
iteration = tf.constant(0)
c = lambda i: tf.less(i, 1000)
def print_fun(iteration):
print(f"This is iteration {iteration}")
iteration+=1
return (iteration,)
r = tf.while_loop(c, print_fun, [iteration], parallel_iterations=10)
浏览 0提问于2019-12-12得票数 1
我正在开发一个使用tensorflow实现的模型。一切都进行得很顺利，直到我不得不实现一个嵌套函数(比如)
使用嵌套的FOR循环。例如，如下所示：
for k in range(n):
Gk = tf.convert_to_tensor(G[k], dtype=self.dtype)
Gk = tf.tile(tf.expand_dims(Gk,0),[tf.shape(trueX)[0],1])
for j in range(m):
pre_Y = self.build_nn( Gk, 200, '{}phi2'.format(j
浏览 1提问于2018-03-12得票数 1
我希望实现一个函数，它接受一个变量作为输入，修改它的一些行或列，并将它们替换回原来的变量中。我可以使用tf.gather和tf.scatter_update为行片实现它，但是对于列片无法实现，因为显然tf.scatter_update只更新行片，并且没有轴特性。我不是tensorflow的专家，所以我可能错过了什么。有人能帮忙吗？
def matrix_reg(t, percent_t, beta):
''' Takes a variable tensor t as input and regularizes some of its rows.
浏览 0提问于2018-10-18得票数 1
回答已采纳
在我的自定义损失函数中，我想实现这个特定的计算：
输入：
tensor A: placeholder([None, 1])
tensor B: placeholder([None, 1])
A，B具有相同的形状。
输出：
tensor res: placeholder([None, 1]).
例如，：
tensor A: [0, 0, 1, 2, 2, 2, 3,...]
tensor B: [4, 9, 2, 3, 5, 9, 4,...]
tensor res: [4, 4, 2, 3, 3, 3, 4,...]
首先，res = B，如果Ai == Ai-1，则resi = re
浏览 2提问于2018-01-17得票数 1
我试图做以下几件事
state[0,:] = state[0,:].assign( 0.9*prev_state + 0.1*( tf.matmul(inputs, weights) + biases ) )
for i in xrange(1,BATCH_SIZE):
state[i,:] = state[i,:].assign( 0.9*state[i-1,:] + 0.1*( tf.matmul(inputs, weights) + biases ) )
prev_state = prev_state.assign( state[BATCH_SIZE-1,:] )
使用
stat
浏览 2提问于2016-06-02得票数 0
我正在尝试使用tf.while_loop并行化循环。正如here所建议的那样，parallel_iterations参数在eager模式中不会有什么不同。所以我尝试用tf.function包装tf.while_loop。然而，在添加装饰器之后，迭代变量的行为发生了变化。 例如，这段代码可以工作。 result = np.zeros(10)
iteration = tf.constant(0)
c = lambda i: tf.less(i, 10)
def print_fun(iteration):
result[iteration] = iteration
iteratio
浏览 45提问于2019-12-14得票数 2
设一个张量是a = [0,0,0,0,0,0,0,0]，另一个张量是b = [1,3,0,5]，这里我要一个tensorflow运算把1放在张量a中，取张量b的位置值。因此输出张量将是，[1,1,0,1,0,1,0,0]。如何解决这个问题？
浏览 0提问于2018-09-03得票数 2
回答已采纳
我用tensorflow编写了一个去噪的自动编码器函数(这有点长，所以我不会发布整个代码)，除了在批处理中添加掩蔽噪声之外，每件事情都运行良好。
掩蔽噪声只是将特征的随机比例取为0。因此，问题只是将矩阵中的一些值取为0。(如果我有一个用于exepmle的np.array，就会变得微不足道)。
因此，如果它是一个tf.variable，那么如何通过tf.scatter_update()来修改矩阵的一个元素，但是当我尝试使用占位符时，它会引发一个错误："TypeError：'ScatterUpdate‘Op需要输入'ref’是一个可变的张量“--这是有问题的
在执行编码例程
浏览 2提问于2017-06-28得票数 2
回答已采纳
我在跟踪这个。使用tf.scatter_update。但我的问题是:如果我的tf.Variable是2D的，会发生什么？让我们说：
a = tf.Variable(initial_value=[[0, 0, 0, 0],[0, 0, 0, 0]])
例如，如何更新每一行的第一个元素并将值1赋值给该元素？
我试过
for line in range(2):
sess.run(tf.scatter_update(a[line],[0],[1]))
但是它失败了(我也预料到了)，并给出了错误：
TypeError:输入'ScatterUpdate‘操作的’参考‘需要l-值输入
浏览 2提问于2016-10-29得票数 16
回答已采纳
是否可以将tensorflow中的tf.while_loop终止定义为多个条件？例如，根据两个张量值实现两个特定值。例如：i==2和j==3？
此外，我可以在正文中有几个代码块吗？在文档中的所有示例中，主体似乎更像是返回值或元组的单个语句。我想在正文中执行一组“顺序”语句。
浏览 4提问于2017-08-09得票数 1
回答已采纳
我试图对Tensorflow中一个张量的K值做一些运算。基本上，我想要的是首先得到最高K值的指数，做一些操作，并分配新的值。例如：
A = tf.constant([[1,2,3,4,5],[6,7,8,9,10]])
values, indices = tf.nn.top_k(A, k=3)
对于这里，值将是数组([ 5，4，3,10，9，8]，dtype=int32)
在对值做了一些操作之后，比如prob=tf.nn.softmax(值)，我应该如何根据索引将这个值分配给A？它类似于numpy Aindices = prob。似乎在tensorflow中找不到合适的功能来做这个。
浏览 0提问于2018-06-02得票数 3
我以为可调用函数只是我调用的tf库中的一个函数。这是：
tensor = tf.while_loop(tf.less(tf.rank(tensor), ndims), # cond
tf.append(tensor, axis=axis), # body
loop_vars = [tensor]) # loop_vars
TypeError: cond must be callable.错误
如果不是tf.less()，什么是可调用条
浏览 0提问于2018-03-16得票数 1
回答已采纳
假设x包含段id，我希望为每个段id中的每个项提供一个唯一的id。这需要在tensorflow操作中执行。
x = tf.constant([1, 1, 2, 2, 3, 3, 4, 1])
所需产出：
[0, 1, 0, 1, 0, 1, 0, 2]
只需计算每个片段id中的每一个项目。我不想使用py_func。
浏览 7提问于2022-03-19得票数 1
回答已采纳
我正在使用下面粘贴的代码。代码的“前进”部分似乎是通过传递"assert root_emb == 1+ emb * emb1“来工作的。但是，一旦执行了训练步骤(断言后面的行)，就会出现一个奇怪的错误，提示在wihle循环期间写入的TensorArray出现了问题。
tensorflow.python.framework.errors.InvalidArgumentError: TensorArray TensorArray@gradients:无法从TensorArray索引2中读取，因为它尚未被写入。[Node: gradients/while/TensorArrayWrite_
浏览 1提问于2016-04-23得票数 2
我有两个这样的张量： template = tf.convert_to_tensor([[1, 0, 0.5, 0.5, 0.3, 0.3],
浏览 8提问于2019-03-01得票数 0
回答已采纳
我想要的是在tf.while_loop体中打印张量的值，而不返回张量，但仍然使用计算图。下面我有一些简单的例子来解释我想要成功的东西，以及我到目前为止所做的事情。
方法1(工程)：
TF支持在计算模型时通过在图形中引入tf.Print操作来打印张量的选项，但这需要从主体返回张量：
import tensorflow as tf
import numpy as np
x = tf.placeholder(tf.float32, [1])
def body(x):
a = tf.constant( np.array([2]) , dtype=tf.float32)
x = a
浏览 1提问于2018-10-28得票数 1
回答已采纳
在Tensorflow中，我想创建所有元素的掩码，但单个元素除外，其中元素位置是随机选择的。具体来说，我想创建一个0,1,1,1，1或1,1,0,1，1的随机掩码
我试过：
import tensorflow as tf
import numpy as np
# randomly draw the column to select (either column 0 or 2)
COLselect = tf.to_int64(tf.greater(tf.random_uniform((1,)), 0.5))
column_num = COLselect*2
ones_mask = tf.Va
浏览 1提问于2016-10-26得票数 0
回答已采纳
1回答
在文档中，tf.while_loop的主体需要是一个可调用的python。
i = tf.constant(0)
b = lambda i: tf.add(i,1)
c = lambda i: tf.less(i,10)
tf.while_loop(c,b, [i])
工作，但
def b(i):
tf.add(i,1)
i = tf.constant(0)
c = lambda i: tf.less(i,10)
tf.while_loop(c,b, [i])
引发ValueError:尝试将不受支持的类型()的值(无)转换为张量
在2.0中，急切的执行是默认的，我想知道有什么问题吗
浏览 1提问于2019-04-07得票数 2
回答已采纳
我使用Roboflow提供的在Google上训练我自己的数据集。尝试演示运行，然后发生了AttributeError。
失败了Solution1: 试图更改K.control_flow_ops.while。到tf.while..。对我的colab笔记本不起作用。
错误代码：
/content/keras-yolo3/yolo3/model.py in yolo_loss(args, anchors, num_classes, ignore_thresh, print_loss)
392 ignore_mask = ignore_mask.write(b, K.c
浏览 2提问于2021-08-04得票数 1
import tensorflow as tf
array = tf.Variable(tf.random_normal([10]))
i = tf.constant(0)
l = []
def cond(i,l):
return i < 10
def body(i,l):
temp = tf.gather(array,i)
l.append(temp)
return i+1,l
index,list_vals = tf.while_loop(cond, body, [i,l])
我想以类似于上面代码描述的方式处理张量数组。在while循环的主体中，我希望
浏览 4提问于2016-12-20得票数 11
回答已采纳
1回答
TF中的索引操作
、、
在tensorflow中有索引操作的方法吗？特别是，我对使用tf.while_loop的迭代器变量进行索引很感兴趣。
更具体地说，假设我有my_ops = [op1, op2]。我希望：
my_ops = [...]
i = tf.constant(0)
c = lambda i: tf.less(i, 10)
b = lambda i: my_ops[i](...)
r = tf.while_loop(c, b, [i])
不幸的是，它不能工作，因为python数组只支持整数索引。
浏览 0提问于2018-10-28得票数 1
回答已采纳
我刚开始学习TensorFlow。我想从hdfs中的csv文件中读取一个3x3矩阵，并将它与自身相乘。
该文件如下所示：
1,2,3
4,5,6
7,8,9
到目前为止，我可以在的帮助下编写出以下代码
def read_and_decode(filename_queue):
reader = tf.TextLineReader()
key, value = reader.read(filename_queue)
# Type information and column names based on the decoded CSV.
record_defaults = [[0
浏览 3提问于2016-12-06得票数 0
回答已采纳
3回答
我想更新值为0的2D张量中的索引。所以数据是一个二维张量，它的第二行第二列索引值将被0代替。但是，我得到了一个类型错误。有人能帮我吗？
TypeError:输入'ScatterUpdate‘操作的’参考‘需要l-值输入
data = tf.Variable([[1,2,3,4,5], [6,7,8,9,0], [1,2,3,4,5]])
data2 = tf.reshape(data, [-1])
sparse_update = tf.scatter_update(data2, tf.constant([7]), tf.constant([0]))
#data = tf.res
浏览 1提问于2016-10-04得票数 4
回答已采纳
我正在尝试用Tensorflow中的从重新创建，但是我无法获得相同的结果。下面是我使用的模型(它是一个估计器model_fn)。
def _pooling_model_fn(features, labels, mode, params):
with tf.name_scope('inputs'):
if mode in (tf.estimator.ModeKeys.TRAIN, tf.estimator.ModeKeys.EVAL):
users_prev_items_inputs_train = features['item_seqs'
浏览 0提问于2018-04-30得票数 3
回答已采纳
我正试图想出一种可以在tensorflow中实现FIFOQueue的方法。因此，在每次迭代时，目的都是为一个placeholder分配一个特定的数字，然后将其存储在一个名为：buffer的Variable中。每次赋值之后，我都会增加一个索引。缓冲区大小为5，所以索引应该在0到4之间。最后，在缓冲区满后，我将buffer[0:4]设置为buffer[1:5]，然后将新值添加到buffer[4]。所以这是我的
代码：
import tensorflow as tf
import numpy as np
import random
dim = 30
lst = []
for i in range
浏览 4提问于2017-12-09得票数 1
回答已采纳
2回答
我试图在keras中实现一个丢失函数，例如在下面的伪代码中
for i in range(N):
for j in range(N):
sum += some_calculations
但是我读到张量流不支持这样的循环，所以我从while_loop(cond，body，loop_vars)函数中了解了
我在这里理解了while循环的基本工作原理，因此我实现了以下代码：
def body1(i):
global data
N = len(data)*positive_samples //Some length
j = tf.constant
浏览 0提问于2018-05-08得票数 6
回答已采纳
1回答
简而言之，我想将标量w_ij组装成对称矩阵W，如下所示：
W[i, j] = w_ij
W[j, i] = w_ij
在与此斗争，在互联网上查找资料，在SE上，我找不到一个方法来构造矩阵W从w_ij's，我不知道如何去做，如果有任何帮助，将不胜感激。
以下是详细说明和MWE。
问题所在
在我的研究中，我试图训练一个将source映射到标量w_ij的网络。其中，输出w_ij用于表示对称矩阵W中的元素i,j。
因此，训练损失是通过将许多相同网络的输出(具有共享权重，但每个网络都看到不同的输入，并将矩阵中的不同元素驱动)组合成一个矩阵形式来构建的，如下所示：
W[i, j] = w_ij
浏览 0提问于2019-08-20得票数 0
回答已采纳
我有一个CNN架构，包括一些层--卷积、完全连接和反褶积-- (称为first process)。最后一个反褶积层给出了输出点，我需要用这个输出进行一些处理(用第二个进程调用它)，以得到Loss值。
在第二个进程中，我正在执行计算Loss值的tf.while_loop，因为Loss值是通过在tf.while_loop中的每个迭代中添加所有Loss值来实现的。在循环之前，我给出了用于tf.constant(0)初始化的Loss。
当我试图训练和最小化Loss时，它显示了No梯度在first process和损失张量输出之间的误差。
第二个进程如下所示：
loss = tf.constant(0)
浏览 0提问于2018-05-24得票数 0
回答已采纳
我需要使用tf.while_loop，但我收到了以下消息：
ValueError: Number of inputs and outputs of body must match loop_vars: 1, 2
total_loss, i = list(), tf.constant(0)
def sampled_softmax_body(i, total_loss):
loss = tf.nn.sampled_softmax_loss(weights=logits_weights, biases=logits_biases, labels=target, inputs=h2_decod
浏览 0提问于2019-09-05得票数 0
1回答
当我在Tensorflow中报道签名和追踪时，我读了下面的声明。
TensorFlow只捕获遍历张量或数据集的循环。因此，请确保在tf.range(x)中使用for i，而不是在range(x)中使用i，否则循环将不会在图中捕获。相反，它将在跟踪期间运行。(如果for循环用于构建图形，例如创建神经网络中的每个层，这可能就是您想要的。)
我搞不懂到底发生了什么。如果它在跟踪过程中运行，那么它如何没有在图上注册，但是for循环将如何构建图呢？
浏览 1提问于2020-08-12得票数 0
回答已采纳
假设我们生成自己的训练数据(例如，通过从一些扩散过程中采样并计算其上的一些兴趣量)，并且我们有自己的CUDA例程，称为generate_data，它在GPU内存中为给定的一组输入生成标签。
因此，我们处于一个特殊的设置中，我们可以以“在线”的方式生成任意数量的训练数据批次(在每次批次迭代时，我们调用generate_data例程来生成新批次并丢弃旧批次)。
由于数据是在GPU上生成的，有没有办法让TensorFlow ( Python API)在训练过程中直接使用它？(例如，填充占位符)这样，这样的管道将是有效的。
我的理解是，目前在这样的设置中，您需要将数据从GPU复制到CPU，然后让Ten
浏览 0提问于2019-06-27得票数 11
我想在tensorflow中逐行更新tf.while_loop中的二维tf.variable。出于这个原因，我使用tf.assign方法。问题是我的实现和parallel_iterations>1的结果是错误的。使用parallel_iterations=1，结果是正确的。代码如下：
a = tf.Variable(tf.zeros([100, 100]), dtype=tf.int64)
i = tf.constant(0)
def condition(i, var):
return tf.less(i, 100)
def body(i, var):
updated
浏览 1提问于2018-10-02得票数 1
我可以只给张量中的某些条目赋值吗？当我计算NxP特征矩阵feats的互相关矩阵时，我遇到了这个问题，其中N是观测值，P是维数。有些列是常量，所以标准差为零，对于那些常量列，我不想除以std。下面是我所做的：
`fmean, fvar = tf.nn.moments(feats, axes = [0], keep_dims = False) fstd = tf.sqrt(fvar) feats = feats - fmean sel = (fstd != 0) feats[:, sel] = feats[:, sel]/ fstd[sel] corr =
浏览 0提问于2016-08-18得票数 0
我有一个函数
def multivariate_data(dataset, target, start_index, end_index, history_size,
target_size, step, single_step=False):
data = []
labels = []
start_index = start_index + history_size
if end_index is None:
end_index = len(dataset) - target_size
#print(history_si
浏览 0提问于2020-12-03得票数 1
复制步骤
我使用TensorFlow来实现一个需要使用tf.while_loop()的网络。
import tensorflow as tf
import numpy as np
class model(object):
def __init__(self):
self.argmax_ep_gate_array = [ tf.placeholder(tf.int32, [None]) for _ in range(10)]
argmax_ep_gate_array_concat = tf.concat(0, self.argmax_ep_gate_arr
浏览 3提问于2016-06-01得票数 2
回答已采纳
我对在Tensorflow中实现递归神经网络感兴趣，就像在中所做的那样。
然而，在他的实现中，parallel_iterations of tf.while_loop语句被修正为1，我担心这可能太慢了。由于我将输入到tensorflow的树中有不相互依赖的部分，我希望可以将parallel_iterations设置为一个更高的值。但是，在作为tensorflow输入的树中不可避免地需要一些依赖项，我担心将其设置为更高的值可能会破坏依赖关系属性。
所以我的问题是，Tensorflow的tf.while_loop是否已经自动捕获了依赖项，以便只在不相互依赖的位置上使用paralleism？
ten
浏览 1提问于2017-06-19得票数 4
回答已采纳
当条件"c“为真时，函数tf.while_loop() ()重复主体"b”。例如：
import tensorflow as tf
i = tf.constant(0)
c = lambda i: tf.greater(10,i)
b = lambda i: tf.add(i, 1)
r = tf.while_loop(c, b, [i])
当条件是向量时，我如何调整它，例如
c = lambda i: tf.greater([10,10],[i,i])
问题是上面返回的是一个向量(而不是True或False)，例如
tf.greater([2,2],[1,1])
当
浏览 0提问于2018-05-23得票数 0
我正尝试在Tensorflow中执行以下操作-
import tensorflow as tf
graph = tf.Graph()
with graph.as_default():
i = tf.Variable(0)
sol = tf.Variable(0)
def cond(i, sol):
return tf.less(i, 2)
def body(i, sol):
i = tf.add(i, 1)
sol = tf.add(sol, 1)
tf.while_loop(cond, body,
浏览 5提问于2018-03-05得票数 0
回答已采纳
假设我有一个秩为2的张量(一个矩阵)。我想用零填充这个预先存在的矩阵的最后一行。我不希望tensorflow将整个矩阵复制到新的地方，因为它太大了。有可能这样做吗？
浏览 3提问于2017-05-16得票数 0
1回答
我在tensorflow中实现了LSTM的代码，我的每个批处理都有不同的长度。为了将数据输入到图中，我需要有可变长度的输入列表。
我希望下面的循环在tensorflow中有一个可变的范围。在创建图形时，我可以在开始时将其初始化为特定的值，但是不可能进行任何修改。我试图使用全局列表的长度作为外部参数，但它没有工作。
self._train_data = []
for _ in range( variable_length ):
placeholder_input = tf.placeholder(tf.float32, shape=[self._batch_size, self._inp
浏览 2提问于2016-08-01得票数 0
回答已采纳
我通过TensorArray获得了一个包含不同形状张量列表的tf.while_loop()，但是我不知道如何将它们作为一个普通的张量列表。
例如：
TensorArray([[1,2], [1,2,3], ...]) -> [Tensor([1,2]), Tensor([1,2,3]), ...]
res = tf.TensorArray(dtype=tf.int32, size=0, dynamic_size=True, infer_shape=False)
res = res.write(0, (1, 2))
res = res.write(0, (1, 2, 3))
with tf
浏览 2提问于2019-06-27得票数 3
回答已采纳
1回答
我试图更新整个列，而不管张量的形状，而且列的索引可以是形状范围内的任何内容。 tensor = tf.Variable(tf.ones((5,5))) 我正在尝试实现这个numpy操作： tensor[:,2] = 0
[ 1 1 0 1 1 ]
[ 1 1 0 1 1 ]
[ 1 1 0 1 1 ]
[ 1 1 0 1 1 ]
[ 1 1 0 1 1 ] 我试过使用tf.scatter_update，但没有成功。
浏览 7提问于2019-03-14得票数 1
1回答
我有几个对tf.gradients的调用，每个调用都需要一些时间，因此我想同时调用tf.gradients。然而，当我试图在图形中这样做时，我会收到几个错误中的一个。我怀疑它不是线程安全的，但无法用MWE再现错误。我尝试在我的MWE和真实代码中同时使用pathos.pools.ThreadPool和pathos.pools.ProcessPool --只有我的真正代码失败了。这是我尝试过的MWE：
from pathos.pools import ThreadPool, ProcessPool
import tensorflow as tf
import numpy as np
Xs = [
浏览 2提问于2017-08-18得票数 1
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
