Python 在while循环中读取并分配给TensorArray

在TensorFlow中，我有一个

tf.while\u循环

，它涉及使用

TensorArray

。我写了一个小玩具的例子来说明我遇到的问题

对于每个循环，我想读取数组中一个元素的值，将其添加到张量，然后将结果分配给数组中的另一个元素。while循环的

body

参数定义为以下函数：

def loop_body(i, x, y):
    x = x.write(i, y + x.gather(indices=[i-1])))
    return i, x

i

、

x

和

y

初始化为：

i = tf.constant(1, dtype=tf.int32)
x = tf.TensorArray(dtype=tf.float32, size=10)
x = x.write(0, [0, 0, 0])
y = tf.constant([1, 2, 3], dtype=tf.float32)

现在，当我运行代码并执行while循环时，出现以下错误：

ValueError: Inconsistent shapes: saw (?, 3) but expected (3,) (and infer_shape=True)

---

为什么

x.gather（）

不给我一个（3，）的形状？我应该怎么做呢？

文档已经描述了

tf.tensorray.gather（）

将以压缩的张量返回tensorray中的选定值

返回：

在由索引选择的张量数组中，压缩为一个张量

所以你会得到（？，3）的形状。您可以更改它：

x = x.write(i, y + x.gather(indices=[i-1])[0])
# or
x = x.write(i, y + x.read(i-1))

此外，代码中还有一些错误。下面我将给出一个完整的例子

import tensorflow as tf

def condition(i, x,y):
    return tf.less(i, 10)

def loop_body(i, x,y):
    x = x.write(i, y + x.gather(indices=[i - 1])[0])
    #or
    # x = x.write(i, y + x.read(i-1))
    return i+1, x, y

i = tf.constant(1)
x = tf.TensorArray(dtype=tf.float32,size=1, dynamic_size=True,clear_after_read=False)
x = x.write(0, [0., 0., 0.])
y = tf.constant([1, 2, 3], dtype=tf.float32)

i, x, y = tf.while_loop(condition, loop_body, loop_vars=[i,x,y])
x = x.stack()

with tf.Session():
    print(i.eval())
    print(x.eval())

#print
10
[[ 0.  0.  0.]
 [ 1.  2.  3.]
 [ 2.  4.  6.]
 [ 3.  6.  9.]
 [ 4.  8. 12.]
 [ 5. 10. 15.]
 [ 6. 12. 18.]
 [ 7. 14. 21.]
 [ 8. 16. 24.]
 [ 9. 18. 27.]]

---

该文档已经描述了

tf.tensorray.gather（）

将以压缩张量的形式返回tensorray中的选定值

返回：

在由索引选择的张量数组中，压缩为一个张量

所以你会得到（？，3）的形状。您可以更改它：

x = x.write(i, y + x.gather(indices=[i-1])[0])
# or
x = x.write(i, y + x.read(i-1))

此外，代码中还有一些错误。下面我将给出一个完整的例子

import tensorflow as tf

def condition(i, x,y):
    return tf.less(i, 10)

def loop_body(i, x,y):
    x = x.write(i, y + x.gather(indices=[i - 1])[0])
    #or
    # x = x.write(i, y + x.read(i-1))
    return i+1, x, y

i = tf.constant(1)
x = tf.TensorArray(dtype=tf.float32,size=1, dynamic_size=True,clear_after_read=False)
x = x.write(0, [0., 0., 0.])
y = tf.constant([1, 2, 3], dtype=tf.float32)

i, x, y = tf.while_loop(condition, loop_body, loop_vars=[i,x,y])
x = x.stack()

with tf.Session():
    print(i.eval())
    print(x.eval())

#print
10
[[ 0.  0.  0.]
 [ 1.  2.  3.]
 [ 2.  4.  6.]
 [ 3.  6.  9.]
 [ 4.  8. 12.]
 [ 5. 10. 15.]
 [ 6. 12. 18.]
 [ 7. 14. 21.]
 [ 8. 16. 24.]
 [ 9. 18. 27.]]