Python Tensorflow-按批次索引对占位符进行分组
给定一个具有两个或多个不同维度占位符的网络,例如Python Tensorflow-按批次索引对占位符进行分组,python,tensorflow,deep-learning,slice,tensor,Python,Tensorflow,Deep Learning,Slice,Tensor,给定一个具有两个或多个不同维度占位符的网络,例如 x1 = tf.placeholder(tf.int32, [None, seq_len]) x2 = tf.placeholder(tf.int32, [None, seq_len]) xn = tf.placeholder(tf.int32, [None, None, seq_len] 每个占位符中的第一个维度对应于小批量大小seq_len是输入的长度。第二个维度类似于一个输入列表,我需要与minibatch中每个索引的x1和x2一起处理这
x1 = tf.placeholder(tf.int32, [None, seq_len])
x2 = tf.placeholder(tf.int32, [None, seq_len])
xn = tf.placeholder(tf.int32, [None, None, seq_len]
每个占位符中的第一个维度对应于小批量大小seq_len
是输入的长度。第二个维度类似于一个输入列表,我需要与minibatch中每个索引的x1
和x2
一起处理这些输入。如何对这些张量进行分组,以便按批量索引对其进行操作
比如说
x1 = [[1, 2, 3], [4, 5, 6]]
x2 = [[7, 8, 9], [8, 7, 6]]
xn = [[[1, 5, 2], [7, 2, 8], [3, 2, 5]], [[8, 9, 8]]]
我需要将x1[0]即[1,2,3]
,x2[0]即[7,8,9]
和xn[0]即[1,5,2],[7,2,8],[3,2,5]
放在一起,因为我需要对所有I
执行x1[I]
和xn[I]
中的每个元素之间的矩阵运算
请注意,
xn
的维度是参差不齐的。仍然不确定我是否理解您的问题。如果我理解正确,您的挑战来自xn
维度的参差不齐性质。我有下面的方法来“展开”批次索引。结果是一个大小为batch_size的数组;数组中的每个元素都是张量。当然,在计算这些张量之前,您可以对所有这些张量执行其他操作
我必须使用来对xn[I]
的每个元素执行操作,因为它的第一个维度是动态的。不过,可能存在更好的解决方案
x1 = np.array([[1, 2, 3]])
xn = np.array([[[1, 5, 2], [7, 2, 8], [3, 2, 5]]])
batch_size = x1.shape[0]
result = []
for batch_idx in range(batch_size):
x1_i = x1[batch_idx]
xn_i = xn[batch_idx]
result.append(tf.scan(fn=lambda a, x: x * x1_i, elems=xn_i, initializer=x1_i))
with tf.Session() as sess:
print sess.run([result[0]])
# result, this is x1[0] multiply each element in xn[0] for all i (element-wise).
# free free to plug in your own matrix operations in the `fn` arg of `tf.scan`.
[array([[ 1, 10, 6],
[ 7, 4, 24],
[ 3, 4, 15]])]
问题到底是什么?@JonH
我如何将这些张量分组,以便通过批索引对其进行操作。
看起来这些都是输入数据。为什么不在预处理中将x1[0],x[2],xn[0]组合在一起?否则,您可能需要使用切片从每个批中获取元素,并依赖循环来处理这些组。@greeness,我认为它们已经按批索引分组在一起了。只是对于每个批次idx,我需要通过与x1
和x2
相同的体系结构来传递xn
中的输入,但是3D与2D问题导致了建议tf.scan
的问题。我也一直在研究tf.tile
。