如何防止 TensorFlow unpack() 方法转换为 float64

Question

我正在尝试使用 seq2seq.rnn_decoder() 在 Tensorflow 中设置顺序 RNN。 rnn_decoder() 想要的输入是张量列表，因此为了生成它，我传入了一个 rank-3 张量并使用 tf.unpack() 将其放入列表中。当我传入的 float32 数组通过 tf.unpack() 变成 float64 张量时，就会出现问题，使其与模型的其余部分不兼容。这是我整理的代码，以使我相信罪魁祸首是 tf.unpack()：

inputDat = loader.getSequential(BATCH_SIZE)
print(inputDat.shape)

输出（BATCH_SIZE 为 5，序列长度为 10）：

(10, 5, 3)

然后我可以在 Tensorflow 会话中加载这些数据：

sess = tf.InteractiveSession()
input_tensor = tf.constant(inputDat.astype('float32'), dtype=tf.float32)
print "Input tensor type: " + str(type(input_tensor.eval()[0,0,0]))
input_tensor = tf.unpack(inputDat)
print "Input tensor shape: " + str(len(input_tensor)) + "x" + str(input_tensor[0].eval().shape)
print "Input tensor type: " + str(type(input_tensor[0].eval()[0,0]))

输出：

Input tensor type: <type 'numpy.float32'>
Input tensor shape: 10x(5, 3)
Input tensor type: <type 'numpy.float64'>

这里发生了什么？使用 FOR 循环遍历每个顺序条目并重新转换它似乎是错误的方法，而且我无法在 Tensorflow 中找到一个方法来转换列表的每个成员。

Answer 1

您不需要 for 循环：您可以使用 tf.cast()。

例子：

input_tensor = tf.unpack(inputDat) # result is 64-bit
input_tensor = tf.cast(input_tensor, tf.float32) # now it's 32-bit