Python 在tensorflow中是否有一个函数用于进行转换，而这个转换是索引的函数？

我正在寻找（但完全找不到）tensorflow中的一个函数，该函数允许我对张量进行“映射”

地图

首先，我甚至不确定是否有“映射”功能？这意味着我可以将给定的f（x）应用于张量中的偶数项。e、 我想要这样的东西

def f(x):
  return x**2

Y = tf.Variable(np.array([[1.0, 2.0],
                          [3.0, 4.0]])

Y = tf.map_function(X, f)

生成（显然，在适当地运行会话之后）具有值的张量

Y = [[1.0, 4.0],
     [9.0, 16.0]]

这是否存在（对于一般的

f

——我意识到

tf.nn.relu

和

tf.nn.sigmoid？一方面，它似乎应该这样做，因为

map`是一个非常基本的操作。另一方面，它涉及到获取提供的python函数，并以某种方式将其转换为在GPU上执行，这听起来像是migh这是不可能的

我是不是想在这里得到月亮

**mapi*

如果存在这样一个函数，是否有一个版本允许我使用索引感知的

f

def f(x, i):
  if (i != [0, 0]):
    k2 = np.sum([x**2 for x in i])
  else:
    k2 = 1.0 # To avoid division by zero
  return (x / k2)

Y = tf.Variable(np.ones(shape=(2,3)))

Y = tf.mapi_function(X, f)

生产

Y = [[1.0, 1.0, 0.25],
     [1.0, 0.5, 0.2]]

如果这样的函数不存在，我是否可以（对于fixed

f

）通过从（稍微修改的）源构建tensorflow来添加它们

为什么我需要这样一个函数

我问这个问题的原因是我试图用张量流对偏微分方程进行数值积分。作为其中的一部分，我需要计算拉普拉斯（d^2/dx^2+d^2/dy^2+d^2/dz^2）u（x，y，z）。在场u（k_x，k_y，k_z）的傅里叶变换表示中，这涉及到除以k_x^2+k_y^2+k_z^2

---

我可以预先计算逆平方波数值的张量，然后按元素进行乘法。但这会占用大量内存。我怀疑从内存加载这些值也会比较慢。

在您想单独映射到每个

x，y，z

坐标的具体示例中，您可以很容易地实现这一点使用

tf.split（）

和

tf.stack（）

。也就是说，我假设你有一个输入张量（称之为

K

），大小为

[n，m，…，3]

；也就是说，最后一个维度索引

x，y，z

坐标。如果是这样，那么使用

tf.split（）

将

K

分解为

Kx、Ky、Kz

。然后应用映射操作（我通常使用

tf.map\u fn（）

），最后使用

tf.stack（）

将东西重新堆叠在一起

---

如果我正确理解了设置，那么应该这样做。如果没有，请提供一个使问题具体化的最小工作示例；否则，我们最多只能猜测解决方案。

抱歉，我认为我对向量的x、y、z分量的讨论已经把水弄脏了。假设我谈论的是标量场，u_dft，repres设某个函数u（x，y，z）的DFT为整数。假设每个方向有32个配置点，因此u.shape=[32,32,32]和u_DFT.shape=[32,32,32]看，我想做的是将每个元素u_DFT[I，j，k]除以（I^2+j^2+k^2）。我无法拆分和堆叠，因为对于这三个维度中的每一个，我都要拆分32次！（我想这和连续做一样慢。）谢谢tf.map_fn！