在张量流中，如何迭代存储在张量中的输入序列？答案

【问题标题】：In tensorflow, how to iterate over a sequence of inputs stored in a tensor?在张量流中，如何迭代存储在张量中的输入序列？
【发布时间】：2016-11-26 06:12:45
【问题描述】：

我正在尝试使用 RNN 解决可变长度多元序列分类问题。

我已经定义了以下函数来获取序列的输出（即在序列的最终输入被馈入后RNN单元的输出）

def get_sequence_output(x_sequence, initial_hidden_state):
    previous_hidden_state = initial_hidden_state
    for x_single in x_sequence:
        hidden_state = gru_unit(previous_hidden_state, x_single)
        previous_hidden_state = hidden_state
    final_hidden_state = hidden_state
    return final_hidden_state

这里x_sequence 是形状张量(?, ?, 10) 第一个在哪里？是批量大小和第二个？用于序列长度，每个输入元素的长度为 10。gru 函数采用先前的隐藏状态和当前输入并吐出下一个隐藏状态（标准门控循环单元）。

我收到一个错误：'Tensor' object is not iterable. 如何按顺序迭代张量（一次读取单个元素）？

我的目标是对序列中的每个输入应用gru 函数并获得最终的隐藏状态。

【问题讨论】：

标签： python tensorflow recurrent-neural-network gated-recurrent-unit

【解决方案1】：

在 TF>=1.0 中，tf.pack 和 tf.unpack 分别重命名为 tf.stack 和 tf.unstack

【讨论】：

【解决方案2】：

您可以使用将第一个维度转换为列表的解包函数将张量转换为列表。还有一个 split 函数可以做类似的事情。我在我正在研究的 RNN 模型中使用 unstack。

y = tf.unstack(tf.transpose(y, (1, 0, 2)))

在这种情况下，y 以形状 (BATCH_SIZE, TIME_STEPS, 128) 开始，我将其转置以使时间步长成为外部维度，然后将其解压缩到张量列表中，每个时间步长一个。现在 y 列表中的每个元素如果形状为 (BATCH_SIZE, 128)，我可以将其输入到我的 RNN 中。

【讨论】：

如果 time_steps 不存在（序列的可变长度），这将不起作用。