如何使用 TensorFlow 计算矩阵运算？答案

【问题标题】：How to compute matrix operation with TensorFlow?如何使用 TensorFlow 计算矩阵运算？
【发布时间】：2016-06-14 16:28:10
【问题描述】：

我有一个 pandas 数据框，其中包含从 0 到 1 的浮点数。
我想将此矩阵取幂为某个幂（例如 6）。

我开始使用scipy，但对于我的 7000x7000 矩阵而言，该操作需要非常非常长的时间，所以我认为这将是测试 tensorflow 的绝佳机会

如果符号是关于幻觉的，我深表歉意，我认为我输入的所有内容都正确。我想使用placeholder 和feed。我的函数exp_corr 输入一个pandas 数据框对象，然后将矩阵取幂为某个整数的幂。

如何在 feed_dict 中使用占位符？

这是我的代码：

#Example DataFrame
L_test = [[0.999999999999999,
  0.374449352805868,
  0.000347439531148995,
  0.00103026903356954,
  0.0011830950375467401],
 [0.374449352805868,
  1.0,
  1.17392596672424e-05,
  1.49428208843456e-07,
  1.216664263989e-06],
 [0.000347439531148995,
  1.17392596672424e-05,
  1.0,
  0.17452569907144502,
  0.238497202355299],
 [0.00103026903356954,
  1.49428208843456e-07,
  0.17452569907144502,
  1.0,
  0.7557000865939779],
 [0.0011830950375467401,
  1.216664263989e-06,
  0.238497202355299,
  0.7557000865939779,
  1.0]]
labels = ['AF001', 'AF002', 'AF003', 'AF004', 'AF005']
DF_corr = pd.DataFrame(L_test,columns=labels,index=labels)
DF_signed = np.tril(np.ones(DF_corr.shape)) * DF_corr

数据框看起来像：

              AF001         AF002     AF003   AF004  AF005
AF001  1.000000  0.000000e+00  0.000000  0.0000      0
AF002  0.374449  1.000000e+00  0.000000  0.0000      0
AF003  0.000347  1.173926e-05  1.000000  0.0000      0
AF004  0.001030  1.494282e-07  0.174526  1.0000      0
AF005  0.001183  1.216664e-06  0.238497  0.7557      1

我试过的矩阵指数函数：

#TensorFlow Computation
def exp_corr(DF_var,exp=6):
#     T_feed = tf.placeholder("float", DF_var.shape) ?
    T_con = tf.constant(DF_var.as_matrix(),dtype="float")
    T_exp = tf.pow(T_con, exp)

    #Initiate
    init = tf.initialize_all_variables()
    sess = tf.Session()
    DF_exp = pd.DataFrame(sess.run(T_exp))
    DF_exp.columns = DF_var.column; DF_exp.index = DF_var.index
    sess.close()  
    return(DF_exp)

DF_exp = exp_corr(DF_signed)

【问题讨论】：

能否请您对速度增益发表评论？

标签： python numpy matrix tensorflow exponential

【解决方案1】：

编辑：问题已更新以删除错误消息。您非常接近能够将矩阵输入您的程序。以下版本的 exp_corr() 函数应该可以解决问题：

def exp_corr(DF_var,exp=6):
    T_feed = tf.placeholder(tf.float32, DF_var.shape)
    T_exp = tf.pow(T_feed, exp)

    sess = tf.Session()

    # Use the `feed_dict` argument to specify feeds.
    DF_exp = pd.DataFrame(sess.run(T_exp, feed_dict={T_feed: DF_var.as_matrix()}))
    DF_exp.columns = DF_var.column; DF_exp.index = DF_var.index

    sess.close() 

    return DF_exp

您的程序的原始问题出现在错误消息中：

Node 'Input Dataframe': Node name contains invalid characters

特别是，TensorFlow 操作构造函数的name 参数（如tf.constant() 和tf.pow()）必须是不包含空格的字符串。

节点名称的语法定义为here。节点名称必须匹配以下正则表达式（基本上是字母数字，加上.、_ 和/，但不能以_ 或/ 开头）：

[A-Za-z0-9.][A-Za-z0-9_./]*

【讨论】：