我正在尝试实现一个循环，该循环遍历张量的行，检索每行中的索引，使用它们从另一个张量中收集向量，最后将这些向量组合到一个新的张量中。 问题是每一行可能包含不同数量的索引(例如 [[-1,-1,1,4,-1], [3,-1,-1,-1,-1]] 第一行索引: [1, 4]；第二行索引 [3])。 当我使用 tf.while_loop 或 tf.scan 时，问题就出现了。对于第一个，我不明白如何将所有收集的张量堆叠在一起。相反，第二个希望所有输出都具有相同的形状(似乎我无法判断所有输出的一般形状都是 [None, 10])。
有没有人试过类似的东西？
我附上 while_loop 的代码:
i = tf.constant(0)
def body(i, merging):
i += 1
print('i', i)
i_row = tf.gather(dense, [i])
i_indices = tf.where(i_row > 0)[:, 1]
i_vecs = tf.gather(embeddings_ph, i_indices)
return i, i_vecs
tf.while_loop(lambda i, merging : tf.less(i, 2), body,
loop_vars=[i,merging],
shape_invariants=[i.get_shape(),
tf.TensorShape((None, 3))],
name='vecs_gathering')
这里缺少的是将所有 while_loop 输出(每个 i 的 i_vec)堆叠在一个新的张量中。
请您参考如下方法:
好的，从 rnn 实现中得到灵感。我修改了我的代码如下，现在它完美地工作了:
def body(i, outputs):
i_row = tf.gather(dense, [i])
i_indices = tf.where(i_row > 0)[:, 1]
i_vecs = tf.gather(embeddings_ph, i_indices)
outputs = outputs.write(i, i_vecs)
i += 1
return i, outputs
outputs = tf.TensorArray(dtype=tf.float32, infer_shape=False, size=1,
dynamic_size=True)
_, outputs = tf.while_loop(lambda i, *_: tf.less(i, 3), body,[0,outputs])
outputs = outputs.concat()
我还想强调一个事实，即您必须在执行写入时重新分配 TensorArray 的值(否则 tf 会提示您没有使用您声明的数组这一事实)
