Python TensorFlow 将经典 for 循环重写为 tf.while_loop答案

【问题标题】：Python TensorFlow rewrite classic for loop into tf.while_loopPython TensorFlow 将经典 for 循环重写为 tf.while_loop
【发布时间】：2021-03-15 05:48:11
【问题描述】：

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_size)
  for i in range(start_index, end_index):
    indices = range(i-history_size, i, step)
    data.append(dataset[indices])
    if single_step:
      labels.append(target[i+target_size])
    else:
      labels.append(target[i:i+target_size])
  return np.array(data), np.array(labels)

我想在 GPU 上进行计算。但只有张量运算可以在 GPU 上运行。所以我需要重写我的函数。 for 循环必须更改为 tf.while_loop。我所有的 numpy 数组都必须更改为张量。如何将我的函数和 for 循环重写为 tf.while_loop？

【问题讨论】：

标签： python-3.x numpy tensorflow tensorflow2.0 nested-loops

【解决方案1】：

我没有使用 GPU 进行测试，我假设输入数据是 1 阶张量并删除了一些参数。我没有使用标签。也没有异常处理，但这可以重构。

我将张量连接到“附加”到 self._data 但还有其他有效的“附加”方法。

            self._data = tf.concat([self._data,tf.gather(dataset, tf.range(1, 3, 1))],0)

这一行只是表明可以使用一个范围从一个张量中挑选值以附加到另一个。由于数据已修复，因此不处理异常。

    import tensorflow as tf
    
    
class MultiVariate():
    def __init__(self):
        self._data = None
        self._labels = None

    def multivariate_data(self,
                          dataset,
                          start_index,
                          end_index,
                          history_size,
                          target_size,
                          single_step=False):
         start_index = start_index + history_size
         tf.print("end_index ", end_index)
         tf.print("start_index ", start_index)
         if self._data is None:
             self._data = tf.cast(tf.Variable(tf.reshape((), (0,))),dtype=tf.int32)
         if self._labels is None:
             self._labels = tf.cast(tf.Variable(tf.reshape((), (0,))),dtype=tf.int32)
         if end_index is None:
            end_index = len(dataset) - target_size

         def cond(i, j):
             return tf.less(i, j)

         def body(i, j):
             #A range of values are gathered
             self._data = tf.concat([self._data,[tf.gather(dataset, i)]],0)
             if ( i == start_index ): #Showing how A range of values are gathered and appended
                self._data = tf.concat([self._data,tf.gather(dataset, tf.range(1, 3, 1))],0)
             return tf.add( i , 1 ), j

         _,_ = tf.while_loop(cond, body, [start_index,end_index],shape_invariants=[start_index.get_shape(), end_index.get_shape()])

         return self._data

mv = MultiVariate()
d =    mv.multivariate_data(
                      tf.constant([1,88,99,4,5,6,7,8,9]),
                      tf.constant(2),
                      tf.constant(8),
                      tf.constant(1),
                      tf.constant(2),
                      tf.constant(2))
print("print ",d)

打印 tf.Tensor([ 4 88 99 5 6 7 8], shape=(7,), dtype=int32)

【讨论】：