python - 理解 Tensorflow 中的 while 循环

Question

我正在使用 Python API for Tensorflow .我正在尝试实现 Rosenbrock function下面给出了不使用 Python 循环的情况:

我目前的实现如下:

def rosenbrock(data_tensor):
    columns = tf.unstack(data_tensor)

    summation = 0
    for i in range(1, len(columns) - 1):
        first_term = tf.square(tf.subtract(columns[i + 1], tf.square(columns[i])))
        second_term = tf.square(tf.subtract(columns[i], 1.0))
        summation += tf.add(tf.multiply(100.0, first_term), second_term)

    return summation

我尝试在 tf.while_loop() 中实现求和;但是，我发现在使用旨在与数据保持分离的索引整数时，API 有点不直观。 documentation 中给出的示例使用数据作为索引(或反之亦然):

i = tf.constant(0)
c = lambda i: tf.less(i, 10)
b = lambda i: tf.add(i, 1)
r = tf.while_loop(c, b, [i])

Answer 1

这可以使用 tf.while_loop() 和标准 tuples 来实现根据 documentation 中的第二个示例.

def rosenbrock(data_tensor):
    columns = tf.unstack(data_tensor)

    # Track both the loop index and summation in a tuple in the form (index, summation)
    index_summation = (tf.constant(1), tf.constant(0.0))

    # The loop condition, note the loop condition is 'i < n-1'
    def condition(index, summation):
        return tf.less(index, tf.subtract(tf.shape(columns)[0], 1))

    # The loop body, this will return a result tuple in the same form (index, summation)
    def body(index, summation):
        x_i = tf.gather(columns, index)
        x_ip1 = tf.gather(columns, tf.add(index, 1))

        first_term = tf.square(tf.subtract(x_ip1, tf.square(x_i)))
        second_term = tf.square(tf.subtract(x_i, 1.0))
        summand = tf.add(tf.multiply(100.0, first_term), second_term)

        return tf.add(index, 1), tf.add(summation, summand)

    # We do not care about the index value here, return only the summation
    return tf.while_loop(condition, body, index_summation)[1]

重要的是要注意索引增量应该发生在类似于标准 while 循环的循环体中。在给出的解决方案中，它是 body() 函数返回的元组中的第一项。

此外，循环条件函数必须为求和分配一个参数，尽管在这个特定示例中没有使用它。