Tensorflow将op应用于二维张量的每个元素

我想要的是对二维张量的每个元素应用张量流运算的能力

input = tf.Variable([[1.0, 2.0], [3.0, 4.0])
myCustomOp = ... # some kind of custom op that operates on 1D tensors
finalResult = tf.[thing I'm after](input, myCustomOp)
# when run final result should look like: [myCustomOp([1.0, 2.0]), myCustomOp([3.0, 4.0)]

---

有什么想法吗？

TensorFlow的下一个版本（0.8，如果您从源代码构建或下载夜间构建，当前可用）包括并允许您将由TensorFlow ops组成的函数应用于更大tensor的子传感器

tf.map\u fn（fn，elems，…）

函数将

N

维输入

elems

沿第一维解压为多个

N-1

维子传感器，并将

fn

应用于每个子传感器。这似乎非常适合您的用例：

input = tf.Variable([[1.0, 2.0], [3.0, 4.0]])
function_to_map = lambda x: f(x)  # Where `f` instantiates myCustomOp.
final_result = tf.map_fn(function_to_map, input)

---

也许是地图？文档-谢谢，这正是我想要的，因为

tf.map\u fn

现在已经存在，像

tf.batch\u matrix\u inverse

这样的函数是多余的，因为它们可以被

tf.map\u fn（tf.matrix\u inverse，input）

取代。原则上是的，但实际上

tf.batch\u*（）

操作的性能可能会更好。我期待有一天优化器足够好，可以为基于地图的版本生成更好的代码！如果f（）的返回维度与输入维度不同，情况会怎样？例如，如果f（）返回标量（或任何大小为1的维度数组）？numpy等效物：