Tensorflow中的类似zip的功能？ Tensorflow张量操作答案

【问题标题】：zip like function in Tensorflow? Tensorflow tensor operationTensorflow中的类似zip的功能？ Tensorflow张量操作
【发布时间】：2017-11-20 07:23:32
【问题描述】：

我的问题是关于 Tensorflow 中的张量运算。比方说：

import tensorflow as tf
import numpy as np

a = tf.Variable(np.random.random([10, 3, 3]))
b = tf.Variable(np.random.random([10, 3, 3]))

def some_function(m,n):
    # just as an example
    return tf.add(m, n)

这在 Tensorflow 中有效，但需要提前了解维度。但是，Tensor 的第一个维度很可能是 None。

c = []
for i in range(10):
    c.append(some_function(a[i], b[i]))
c = tf.stack(c)

所以我想知道 Tensorflow 中是否有类似 zip 的功能？然后我们可以这样做：

# TypeError: zip argument #1 must support iteration
c = []
for i, j in zip(a,b):
    c.append(some_function(i,j))
c = tf.stack(c)

也许我们可以使用 tf.map_fn 或 tf.scan 之类的函数？但我不确定。真的谢谢你们。

【问题讨论】：

For 循环在 TensorFlow 中很少使用，尤其是在处理张量计算时，因为循环是在 python 中并且与内部 c++ 相比会很慢，TensorFlow 中很可能存在可以为您提供的函数或操作任务更数学上没有循环。

标签： python tensorflow deep-learning

【解决方案1】：

张量对象不可迭代，这就解释了为什么您的第三个代码示例失败了。因此，为了回答您的问题，TensorFlow 中没有类似 zip 的功能。

您确实可以使用tf.map_fn 将函数应用于张量序列。您在示例代码中提出的问题可以通过以下方式解决：

def some_function(tensor):
  return tf.reduce_sum(tensor)

c = tf.stack([a, b], axis=1)
d = tf.map_fn(some_function, c, dtype=tf.float32)

产生一个张量d，其值为[20., 6., 6.]。

【讨论】：

【解决方案2】：

你可以像这样使用tf.transpose

>>> a = tf.constant([1, 2, 3])
>>> b = tf.constant([4, 5, 6])
>>> tf.transpose([a, b])
<tf.Tensor: shape=(3, 2), dtype=int32, numpy=
array([[1, 4],
       [2, 5],
       [3, 6]], dtype=int32)>

【讨论】：

【解决方案3】：

对于那些使用 JavsScript 的人，这是 @bachr 在 tensorflow.js（节点）中的回答：

const a =  tf.tensor([1, 3, 5, 7])
const b = tf.tensor([2, 4, 6, 8])
const zip = tf.transpose(tf.stack([a, b]))
zip.print()
// Tensor
//    [[1, 2],
//     [3, 4],
//     [5, 6],
//     [7, 8]]

【讨论】：