Numpy 在Tensorflow图中使用scipy.stats.entropy

我的目标是在下面的代码片段中计算两个概率密度函数p_distb和q_distb之间的距离。我试图利用Jensen-Shannon散度来实现这一点，因为它是对称且有界的，所以必要的熵函数是从scipy.stats导入的

尝试运行图表时，出现以下错误：

如果len（qk）！=len（主键）： TypeError:未调整大小的对象的len（）

显然，scipy.stats.entropy无法处理张量流张量，即使这些张量是向下兼容的，并且应该像numpy数组一样工作

有人能解决这个问题吗

非常感谢

from scipy.stats import entropy
import tensorflow as tf
import numpy as np

graph = tf.Graph()
with graph.as_default():

i_dim = 8
j_dim = 8

input_dim = 201

weights = tf.Variable(tf.random_normal(shape=[i_dim*j_dim, input_dim]))

input_vector = tf.Variable(tf.random_normal(shape=[input_dim,1]))

min_codebook_dist = []

for index in range(i_dim*j_dim):

    p_distb = tf.div(weights[index,:],tf.reduce_sum(weights[index,:]))
    p_distb = tf.reshape(p_distb, shape=[input_dim,])

    q_distb = tf.div(input_vector,tf.reduce_sum(input_vector))
    q_distb = tf.reshape(input_vector, shape=[input_dim,])

    m_distb = tf.div(tf.add(p_distb,q_distb),2)

    dist_pq = np.sqrt((entropy(p_distb[:], m_distb[:]) + entropy(q_distb[:], m_distb[:])) / 2)

    min_codebook_dist.append(dist_pq)

sess = tf.InteractiveSession()
init_op = tf.initialize_all_variables()
sess.run(init_op)

---

TensorFlow张量与numpy数组不向下兼容。您可以尝试在tf.py_func中包装对scipy的呼叫以呼叫scipy。

谢谢您的帮助！！