29
4
我有一个 tensorflow 模型，其中层的输出是二维张量，例如 t = [[1,2], [3,4]] .
下一层需要一个由该张量的每一行组合组成的输入。也就是说，我需要把它变成t_new = [[1,2,1,2], [1,2,3,4], [3,4,1,2], [3,4,3,4]] .
到目前为止我已经尝试过:
1) tf.unstack(t, axis=0)循环遍历它的行并将每个组合附加到缓冲区，然后 t_new = tf.stack(buffer, axis=0) 。这有效除非当形状未指定时，即。没有这样...
2)我使用了 tf.while_loop 来生成索引 idx=[[0,0], [0,1], [1,0], [1,1]] ，然后t_new = tf.gather(t, idx) 。我的问题是:我应该设置 back_prop至TruehoặcFalse在这个tf.while_loop ？我只是在循环内生成索引。不知道什么back_prop甚至意味着。
另外，您知道有更好的方法来实现我的需求吗？
这是 while_loop:
Trung tâm cá nhân
Điều phát hành
từ bỏi = tf.constant(0)
j = tf.constant(0)
idx = tf.Variable([], dtype=tf.int32)
def body(i, j, idx):
c = tf.concat([idx, [i, j]], axis=0)
i, j = tf.cond(tf.equal(j, sentence_len - 1),
lambda: (i + 1, 0),
lambda: (i, j + 1))
return i, j, c
_, _, indices = tf.while_loop(lambda i, j, _: tf.less(i, sentence_len),
body,
[i, j, idx],
shape_invariants=[i.get_shape(),
j.get_shape(),
tf.TensorShape([None])])
现在我可以做t_new = tf.gather(t, indices) .
但是我对 tf.while_loop 的含义很困惑的back_prop - 总的来说，尤其是这里。
câu trả lời hay nhất
在这种情况下，您可以将 back_prop 设置为 false。它不需要通过索引的计算进行反向传播，因为该计算不依赖于任何学习的变量。
关于python - 通过 while_loop 进行 Tensorflow 梯度，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/50518309/
29
4
0
在我的问题中，我需要在每个训练步骤的数据中使用 1 个示例运行 GD。众所周知， session.run() 有开销，因此训练模型时间太长。 为了避免开销，我尝试使用 while_loop 并通过一次
我目前很难理解 tensorflow 的工作原理，而且我觉得 python 界面有点晦涩难懂。 我最近尝试在 tf.while_loop 中运行一个简单的 print 语句，但有很多事情我仍然不清楚:
我想按行更新 tensorflow 中tf.while_loop内的二维tf.variable。因此，我使用 tf.assign 方法。问题是我的实现和 parallel_iterations>1 结
我正在使用 tf.while_loop 动态连接张量。 代码 embeds_raw = tf.constant(np.array([ [1, 1], [1, 1], [2, 2
我正在尝试更新嵌套 while_loop() 中的二维张量。但是，当将变量传递给第二个循环时，我无法使用 tf.assign() 更新它，因为它会抛出此错误: ValueError: Sliced a
我在 Tensorflow 中使用 while_loop 来迭代张量并提取给定维度上的特定切片。对于每一步，我都需要使用解码器 RNN 来生成一系列输出符号。我正在使用 tf.contrib.seq2
我已经使用带有大型矩阵的 TensorFlow while_loop 实现了一个算法，我最近注意到奇怪的行为:我在不同的运行中得到不同的结果，有时甚至是 nan 值。我花了一些时间来缩小问题范围，现在
我尝试使用 while_loop 在 Tensorflow ，但是当我尝试返回目标时 输出 从可调用的 while 循环中，它给了我一个错误，因为每次都会增加形状。 输出应包含基于 的(0 或 1)个
只要仍有一些列使用 tf.while_loop，我就会尝试将张量切成小张量。 注意:我使用这种方式是因为我无法在图形构建时(没有 session )循环占位符中的值被视为张量而不是整数。 [ 5 7
在文档中，tf.while_loop 的主体必须是 python 可调用的。 i = tf.constant(0) b = lambda i: tf.add(i,1) c = lambda i: tf
当我尝试运行代码时出现以下错误: model = Sequential() model.add(LSTM(4, input_shape=(1, look_back))) TypeError: whil
我正在使用 while_loop 迭代更新矩阵。对于密集张量，循环运行良好，但是当我使用稀疏张量时，出现以下错误: InvalidArgumentError: Number of rows of a_
目标是在 TensorFlow 中实现一个循环函数，以随时间过滤信号。 input随后呈现为 [batch, in_depth, in_height, in_width, in_channels]
给定一个 TensorFlow tf.while_loop，我如何计算每个时间步的 x_out 相对于网络所有权重的梯度？ network_input = tf.placeholder(tf.floa
下面我有一个 Tensorflow RNN Cell 的实现，旨在模拟本文中 Alex Graves 的算法 ACT:http://arxiv.org/abs/1603.08983 . 在通过 rnn
我正在尝试使用 tf.scatter_update() 更新 tf.while_loop() 内的 tf.Variable。但是，结果是初始值而不是更新后的值。这是我想要做的示例代码: from __
我想处理不同形状的张量序列(列表)并输出另一个张量列表。考虑每个时间戳上具有不同隐藏状态大小的 RNN。类似的东西 输入:[tf.ones((1, 2, 2)), tf.ones((2, 2, 3))
我有一个 tensorflow 模型，其中层的输出是二维张量，例如 t = [[1,2], [3,4]] . 下一层需要一个由该张量的每一行组合组成的输入。也就是说，我需要把它变成t_new = [[
重现步骤 我正在使用TensorFlow实现一个需要使用tf.while_loop()的网络 import tensorflow as tf import numpy as np class mode
我最初使用 glfw 编写我的游戏。然而，由于它缺乏 android 的可移植性，我不得不用 SDL 替换我所有的 glfw 代码，因为 SDL 更具可移植性。 我使用 glfw 框架工作的原始游戏循
Tôi là một lập trình viên xuất sắc, rất giỏi!