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

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

。