在张量流中,如何迭代存储在张量中的输入序列?
Posted
技术标签:
【中文标题】在张量流中,如何迭代存储在张量中的输入序列?【英文标题】:In tensorflow, how to iterate over a sequence of inputs stored in a tensor? 【发布时间】:2016-11-26 06:12:45 【问题描述】:我正在尝试使用 RNN 解决可变长度多元序列分类问题。
我已经定义了以下函数来获取序列的输出(即在序列的最终输入被馈入后RNN单元的输出)
def get_sequence_output(x_sequence, initial_hidden_state):
previous_hidden_state = initial_hidden_state
for x_single in x_sequence:
hidden_state = gru_unit(previous_hidden_state, x_single)
previous_hidden_state = hidden_state
final_hidden_state = hidden_state
return final_hidden_state
这里x_sequence
是形状张量(?, ?, 10)
第一个在哪里?是批量大小和第二个?用于序列长度,每个输入元素的长度为 10。gru
函数采用先前的隐藏状态和当前输入并吐出下一个隐藏状态(标准门控循环单元)。
我收到一个错误:'Tensor' object is not iterable.
如何按顺序迭代张量(一次读取单个元素)?
我的目标是对序列中的每个输入应用gru
函数并获得最终的隐藏状态。
【问题讨论】:
【参考方案1】:在 TF>=1.0 中,tf.pack
和 tf.unpack
分别重命名为 tf.stack
和 tf.unstack
【讨论】:
【参考方案2】:您可以使用将第一个维度转换为列表的解包函数将张量转换为列表。还有一个 split 函数可以做类似的事情。我在我正在研究的 RNN 模型中使用 unstack。
y = tf.unstack(tf.transpose(y, (1, 0, 2)))
在这种情况下,y 以形状 (BATCH_SIZE, TIME_STEPS, 128) 开始,我将其转置以使时间步长成为外部维度,然后将其解压缩到张量列表中,每个时间步长一个。现在 y 列表中的每个元素如果形状为 (BATCH_SIZE, 128),我可以将其输入到我的 RNN 中。
【讨论】:
如果 time_steps 不存在(序列的可变长度),这将不起作用。以上是关于在张量流中,如何迭代存储在张量中的输入序列?的主要内容,如果未能解决你的问题,请参考以下文章