python - Tensorflow 循环中的切片分配

Question

我有一个由 0 组成的 5x3 矩阵，我想在 while_loop 中用 1 来更新它。我想使用循环变量作为 scatter_nd_update 函数的索引参数。我的代码是这样的:

# Zeros matrix
num = tf.get_variable('num', shape=[5, 3], initializer=tf.zeros_initializer(), dtype=tf.float32)
# Looping variable
i = tf.constant(0, dtype=tf.int32)
# Conditional
c = lambda i, num: tf.less(i, 2)
def body(i, num):
    # Update values
    updates = tf.ones([1, 3], dtype=tf.float32)
    num = tf.scatter_nd_update(num, [[i]], updates)
    return tf.add(i, 1), num
i, num = tf.while_loop(c, body, [i, num])
# Session
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    num_out = sess.run(num)
    print(num_out.shape)
    print(num_out)

这会抛出一个错误:AttributeError: 'Tensor' object has no attribute 'handle' 并指向行 num = tf.scatter_nd_update(num, [[i]] ，更新)

当我通过使用不同的 i 值运行 num = tf.scatter_nd_update(num, [[i]], update) 两次而无需循环地运行此代码时，它就可以工作，并且得到一个矩阵2 行，但是当我在 while_loop 中尝试相同的操作时会发生此错误。

Answer 1

该问题围绕以下事实展开:tf.scatter_nd_update()需要一个变量来更改，而 tf.while_loop()使用张量作为循环变量。从根本上来说，tf.while_loop()设置图表时运行循环，而 tf.scatter_nd_update()是一个在网络运行时运行的操作。

换句话说，您创建的网络将具有三个 num 张量:一个带有原始零，然后在另一个后面替换第一行，然后在另一个后面替换前两行被替换。要实现这一点，您可以使用此代码(经过测试)，更多说明如下:

import tensorflow as tf
num = tf.zeros( shape = ( 5, 3 ), dtype = tf.float32 )
# Looping variable
i = tf.zeros( shape=(), dtype=tf.int32)
# Conditional
c = lambda i, num: tf.less(i, 2)
def body(i, num):
    # Update values
    updates = tf.ones([1, 3], dtype=tf.float32)
    num_shape = num.get_shape()
    num = tf.concat( [ num[ : i ], updates, num[ i + 1 : ] ], axis = 0 )
    num.set_shape( num_shape )
    return tf.add(i, tf.ones( shape=(), dtype = tf.int32 ) ), num
i, num = tf.while_loop( c, body, [ i, num ] )
# Session
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    num_out = sess.run( [ num ] )
    print(num_out)

输出:

[array([[1., 1., 1.],
[1., 1., 1.],
[0., 0., 0.],
[0., 0., 0.],
[0., 0., 0.]], dtype=float32)]

首先，请注意我已将 num 从变量更改为张量。这将允许它在tf.while_loop()中用作循环变量。 。其次，分散操作在张量上没有很好的方法，所以我基本上将 num 分开(before-i 和 after-i ，并在其间插入update)。我们还必须设置 num 的形状，否则 tf.while_loop()会提示形状不确定(因为 tf.concat() ；有一种方法可以通过在 tf.while_loop() 中使用 shape_invariants 参数来解决这个问题，但这对于我们的情况来说更容易。)