用 tensorflow 实现一个函数答案

【问题标题】：Implementing a function with tensorflow用 tensorflow 实现一个函数
【发布时间】：2016-10-21 20:39:51
【问题描述】：

我是编程新手，尤其是使用 tensorflow 编程。我正在制作玩具问题以了解使用它。在那种情况下，我想构建一个类似 softmax 的函数，其中分母不是所有类的总和，而是一些采样类的总和。

在 python 中使用 numpy 会是这样的：

def my_softmax(X,W, num_of_samples):
    K = 4
    S = np.zeros(((np.dot(X,np.transpose(W))).shape))
    for line in range(X.shape[0]):
        XW = np.dot(X[line],np.transpose(W))
        m = np.max(XW)
        samples_sum = 0
        for s in range(num_of_samples):
            r = (randint(0,K-1))
            samples_sum += np.exp(XW[r]- m)

        S[line] = (np.exp(XW-m))/(samples_sum)

    return S

这如何在 tensorflow 中实现？更一般地说，有没有一种可能的方法来创建新的“自定义”函数？

【问题讨论】：

标签： python function tensorflow softmax

【解决方案1】：

您可以将 Python/numpy 函数包装为 tensorflow 运算符。见 tf.py_func https://www.tensorflow.org/versions/r0.9/api_docs/python/script_ops.html

但是，最好不要在生产环境中使用它，因为性能会受到（显着）影响。对于大多数 np.* 函数，您会找到可以使用的相应 tf.* 函数。尝试用矩阵/向量而不是 for 循环来表示所有计算。

另见 https://www.tensorflow.org/versions/r0.11/api_docs/python/constant_op.html

【讨论】：

感谢您的回复。我认为你是对的，我应该尝试矩阵/向量编码而不是 for 循环，但由于我是编程新手，所以我想不出办法。例如，我如何避免“for line in range(X.shape[0]):”？因为我必须为每一行使用随机样本计算不同的分母。令人困惑！
或许看看：tensorflow.org/versions/r0.11/api_docs/python/… ?文档中该函数旁边的一些候选采样库函数在这里也可能有所帮助。您可以查看源代码以了解它们是如何实现的。
@AjayJoshi 您的第一个链接tensorflow.org/versions/r0.9/api_docs/python/script_ops.html 无效。请更新。