在 tensorflow 中手动创建 3+ rank tensor

Question

我想在运行时创建一个 [ ?, ?, n ] 张量。 数据如下：

1) 我检查的每个元素都是 n 个元素的向量（所以 [1,2,...,n]）

2) 每个“组”都是未知数量的前一种类型的元素（所以基本上是一个矩阵）

3) 我不知道我会收到多少组。

我手动尝试过，类似这样：

shape3 = [
[ [ .111,.112,.113 ], [ .121,.122,.123 ], [ .131,.132,.133 ] ],
[ [ .211,.212,.213 ], [ .221,.222,.223 ] ]
]

var_shape3 = tf.Variable(shape3, name="var_shape_3")
with tf.Session() as session:
    session.run(init_op)
    print var_shape3.eval()
    print var_shape3.get_shape()

但我收到错误提示

参数必须是密集张量：[[[0.111, 0.112, 0.113], [0.121, 0.122, 0.123], [0.131, 0.132, 0.133]], [[0.211, 0.212, 0.213], [0.221, 0.222 , 0.223]]] - 得到形状 [2]，但想要 [2, 3, 3]。

请帮忙看看我做错了什么？

换句话说：我如何将这些数据放入张量中？

谢谢

Answer 1

在 TensorFlow 中，您可以使用 dynamic dimensions，由 ? 符号表示。但是这些维度必须在执行期间进行推断，这意味着一旦执行代码，就需要用数字表示。

在您的示例中（组中的组和元素数量可变），这将不起作用。例如。什么会起作用：

shape3 = [
[ [ .111,.112,.113 ], [ .121,.122,.123 ], [ .131,.132,.133 ] ],
[ [ .211,.212,.213 ], [ .221,.222,.223 ], [ .000,.000,.000 ] ]
]

您的两个选择是：

1. 定义组和组中元素的最大数量，并使用 padding 填充缺失的数据点。您还可以使用 bucketing 对类似大小的示例进行分组（更多信息here)。
2. 更改您的代码/数据结构以使用可变长度序列。这可能需要使用 TensorFlow scan op。请注意，这可能非常慢，所以我不推荐它，除非真的需要，更多信息here。