TensorArray 和 while_loop 如何在 tensorflow 中协同工作？

Question

我正在尝试为 TensorArray 和 while_loop 的组合提供一个非常简单的示例：

# 1000 sequence in the length of 100
matrix = tf.placeholder(tf.int32, shape=(100, 1000), name="input_matrix")
matrix_rows = tf.shape(matrix)[0]
ta = tf.TensorArray(tf.float32, size=matrix_rows)
ta = ta.unstack(matrix)

init_state = (0, ta)
condition = lambda i, _: i < n
body = lambda i, ta: (i + 1, ta.write(i,ta.read(i)*2))

# run the graph
with tf.Session() as sess:
    (n, ta_final) = sess.run(tf.while_loop(condition, body, init_state),feed_dict={matrix: tf.ones(tf.float32, shape=(100,1000))})
    print (ta_final.stack())

但我收到以下错误：

ValueError: Tensor("while/LoopCond:0", shape=(), dtype=bool) must be from the same graph as Tensor("Merge:0", shape=(), dtype=float32).

有人知道是什么问题吗？

Answer 1

您的代码中有几处需要指出。首先，您无需将矩阵解栈到TensorArray 中即可在循环中使用它，您可以安全地在主体内引用矩阵Tensor 并使用matrix[i] 表示法对其进行索引。另一个问题是矩阵 (tf.int32) 和 TensorArray (tf.float32) 之间的数据类型不同，根据您的代码，您将矩阵整数乘以 2 并将结果写入数组，因此它应该是int32 也是如此。最后，当您希望读取循环的最终结果时，正确的操作是 TensorArray.stack()，这是您需要在 session.run 调用中运行的操作。

这是一个工作示例：

import numpy as np
import tensorflow as tf    

# 1000 sequence in the length of 100
matrix = tf.placeholder(tf.int32, shape=(100, 1000), name="input_matrix")
matrix_rows = tf.shape(matrix)[0]
ta = tf.TensorArray(dtype=tf.int32, size=matrix_rows)

init_state = (0, ta)
condition = lambda i, _: i < matrix_rows
body = lambda i, ta: (i + 1, ta.write(i, matrix[i] * 2))
n, ta_final = tf.while_loop(condition, body, init_state)
# get the final result
ta_final_result = ta_final.stack()

# run the graph
with tf.Session() as sess:
    # print the output of ta_final_result
    print sess.run(ta_final_result, feed_dict={matrix: np.ones(shape=(100,1000), dtype=np.int32)})