Python 如何在TensorFlow循环中赋值

我们的目标是在TensorFlow中实现一个递归函数，以随时间过滤信号

输入

随后以5-D张量形式呈现

[批次、深度、高度、宽度、通道]

。我想使用来在深度上迭代

，

，并根据以前时间步长的值重新分配值。但是，我无法在循环中重新分配变量值

为了简化问题，我创建了问题的一维版本：

def condition(i, signal):
    return tf.less(i, signal.shape[0])

def operation(i, signal):
    signal = tf.get_variable("signal")
    signal = signal[i].assign(signal[i-1]*2)
    i = tf.add(i, 1)
    return (i, signal)

with tf.variable_scope("scope"):
    i = tf.constant(1)
    init = tf.constant_initializer(0)
    signal = tf.get_variable("scope", [4], tf.float32, init, trainable = False)
    signal = tf.assign(signal[0], 1.2)

with tf.variable_scope("scope", reuse = True):
    loops_vars = [i, signal]
    i, signal = tf.while_loop(condition, operation, loop_vars, back_prop = False)

with tf.Session() as session:
    session.run(tf.global_variables_initializer())
    i, signal = session.run([i, signal])

返回必须在会话中运行才能计算（）的操作

我预计TensorFlow会在循环中链接操作，因此在我运行会话并请求

信号
后执行分配。但是，当我执行给定代码并打印结果时，
信号
包含
[1.2,0,0,0]
和
I
包含（如预期的那样）
4

这里我的误解是什么？我如何更改代码，以便重新分配
信号的值？
虽然循环变量仅通过body函数的返回值更新，但不应使用自己的分配操作。相反，您需要返回希望
signal
在循环后具有的值，就像
i
一样

另外，您不应该在body或condition中使用
tf.get_variable
，只需使用您收到的参数即可

# ...
def operation(i, signal):
    shape = signal.shape
    signal = tf.concat([signal[:i], [signal[i - 1] * 2], signal[i + 1:]], axis=0)
    signal.set_shape(shape) # Shapes have to be invariant for the loop
    i = tf.add(i, 1)
    return (i, signal)

with tf.variable_scope("scope"):
    i = tf.constant(1)
    init = tf.constant_initializer(1.2) # init signal here and avoid tf.assign
    signal = tf.get_variable("scope", [4], tf.float32, init, trainable = False)
    # signal = tf.assign(signal[0], 1.2) 

# ...

我很确定您正在创建
信号的新副本。查看并检查
tf.get_variable\u scope（）。重用
，也可以轻松跳过将
信号
传递给所有while循环函数，因为您可以访问
信号
的任何地方。@NULL否，不创建副本。变量作用域设置为在创建while\u循环之前重用