TensorFlow：在while循环中堆叠张量答案

【问题标题】：TensorFlow: stacking tensors in while loopTensorFlow：在while循环中堆叠张量
【发布时间】：2018-06-05 22:18:57
【问题描述】：

我正在尝试实现一个循环，该循环遍历张量的行，检索每行中的索引，使用它们从另一个张量收集向量，最后将这些向量组合到一个新的张量中。问题是每一行可能包含不同数量的索引（例如 [[-1,-1,1,4,-1], [3,-1,-1,-1,-1]] 第一行索引: [1, 4]；第二行索引 [3])。当我使用 tf.while_loop 或 tf.scan 时，问题就出现了。对于第一个，我不明白如何将所有收集的张量堆叠在一起。相反，第二个希望所有输出具有相同的形状（似乎我无法判断所有输出都具有 [None, 10] 的一般形状）。

有没有人尝试过类似的东西？

我附上了 while_loop 的代码：

i = tf.constant(0)
def body(i, merging):
    i += 1
    print('i', i)
    i_row = tf.gather(dense, [i])
    i_indices = tf.where(i_row > 0)[:, 1]
    i_vecs = tf.gather(embeddings_ph, i_indices)
    return i, i_vecs

tf.while_loop(lambda i, merging : tf.less(i, 2), body, 
              loop_vars=[i,merging], 
              shape_invariants=[i.get_shape(), 
                                tf.TensorShape((None, 3))],
              name='vecs_gathering')

这里缺少的是将所有 while_loop 输出（每个 i 的 i_vec）堆叠在一个新的张量中。

【问题讨论】：

标签： python tensorflow while-loop stack deep-learning

【解决方案1】：

好的，从 rnn 实现中得到灵感。我修改了我的代码如下，现在它完美地工作了：

def body(i, outputs):
    i_row = tf.gather(dense, [i])
    i_indices = tf.where(i_row > 0)[:, 1]
    i_vecs = tf.gather(embeddings_ph, i_indices)
    outputs = outputs.write(i, i_vecs)
    i += 1
return i, outputs

outputs = tf.TensorArray(dtype=tf.float32, infer_shape=False, size=1, 
                     dynamic_size=True) 
_, outputs = tf.while_loop(lambda i, *_: tf.less(i, 3), body,[0,outputs])

outputs = outputs.concat()

我还想强调一个事实，即您必须在执行写入时重新分配 TensorArray 的值（否则 tf 会抱怨您没有使用您声明的数组这一事实）

【讨论】：