python - 在 tensorflow 中手动创建 3+ 阶张量

Question

我想在运行时创建一个 [ ?, ?, n ] 张量。数据如下:

1) 我正在检查的每个元素都是一个包含 n 个元素的向量(所以 [1,2,...,n])

2) 每个“组”都是未知数量的先前类型的元素(因此基本上是一个矩阵)

3) 我不知道我会收到多少组。

我手动尝试过，像这样:

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

Argument must be a dense tensor: [[[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]]] - got shape [2], but wanted [2, 3, 3].

请问我做错了什么？

换句话说:我如何将这些数据放入张量中？

谢谢

Answer 1

在 TensorFlow 中你可以有 dynamic dimensions , 由 ? 符号表示。但是这些维度必须在执行期间推断出来，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。将起作用的是:

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，并使用填充 来填充缺失的数据点。您还可以使用 bucketing 对大小相似的示例进行分组(更多信息 here)。
2. 更改您的代码/数据结构以处理可变长度序列。这可能需要使用 TensorFlow scan op。请注意，这可能会非常慢，所以我不推荐它，除非确实需要，更多信息 here .