如何将 TensorArray 提供给 TensorFlow 会话

Question

我的 TensorFlow 图的输入之一是可变长度数组的列表（例如 [[0, 1, 2], [3, 4], [5, 6, 7, 8]）。为了表示这一点，我在图中使用了 TensorArray。

但是，在运行图表时，我找不到输入一批 TensorArrays 的方法，因为 feed_dict={ some_ta: [[0, 1, 2], [3, 4], [5, 6, 7, 8]] } 不起作用。

目前是否有任何解决方法可以让我直接将 TensorArrays 输入到会话中？

Answer 1

对于这种情况没有开箱即用的解决方案，但您可以尝试解决方法。

1. 最简单的解决方法是填充所有输入数据（例如用零填充），以使所有数组具有相同的维度。请注意，张量流旨在使用 张量 执行计算，张量具有矩形而非可变形状。因此，这样您的操作可能会更快完成，但您需要调整算法以忽略尾随零。

   在上面的例子中，代码很简单：

   # can hold any number of 4-D vectors
   input = tf.placeholder(dtype=tf.float32, shape=[None, 4])
   with tf.Session() as session:
     data = [[0, 1, 2, 0], [3, 4, 0, 0], [5, 6, 7, 8]]
     print session.run(input, feed_dict={input: data})
   

2. 如果长度恰好是固定的，您可以这样对输入进行分区

   input = tf.placeholder(dtype=tf.float32, shape=[None])
   split = tf.dynamic_partition(input, partitions=[0, 0, 0, 1, 1, 2, 2, 2, 2], num_partitions=3)
   
   with tf.Session() as session:
     data = [0, 1, 2, 3, 4, 5, 6, 7, 8]
     print session.run(split, feed_dict={input: data})
   

   结果如下：

   [array([ 0.,  1.,  2.], dtype=float32), array([ 3.,  4.], dtype=float32), array([ 5.,  6.,  7.,  8.], dtype=float32)]
   

   partitions参数不能是张量，所以在建图的时候必须静态知道。

3. 要执行真正的任意拆分，您将自己手动执行此操作。您仍然将 data 作为单个数组传递，同时 partitions 保存分区索引。然后您可以按照this question 或this question 中的建议执行繁琐的拆分。我不建议你走这条路，除非绝对没有其他办法。