python - 我如何创建一个继承自 tf.Tensor 的新类？

Question

我想创建一个新类，它基本上是一个数组，但具有一些额外的属性。

具体来说，我想编写一个基于 Tensorflow 对象的类来描述时间序列数据。因此，它将具有关联的时间间隔 (delta_t) 和时间向量
我用 sample_times 制作的属性(property)。

在 python/numpy 中，我执行以下操作

import numpy as np
class TimeSeries(object):
    def __init__(self, initial_array, delta_t):
        self.initial_array = initial_array
        self.delta_t = delta_t

    @property
    def sample_times(self):
        return np.arange(self.initial_array.shape[0]) * self.delta_t

是否可以通过从 tf.Tensor 继承来做类似的事情？
这样做的原因是我相信它会让生活变得更简单
对这些我可以利用的 TimeSeries 对象进行分析
各种 tensorflow 的东西，比如 tf.function装饰器。

我对最小工作示例的基本尝试如下，只是尝试成为 tf.Tensor 的子类。

import tensorflow as tf

class TFTimeSeries(tf.Tensor):
    def __init__(self):
        super().__init__()

tf_ts = TFTimeSeries()

实例化 TFTimeSeries 时出现以下错误

TypeError: __init__() missing 3 required positional arguments: 'op', 'value_index', and 'dtype'

dtype 很容易，但另外两个:'op' 和 'value_index' 我不知道该怎么做。

我应该说，我对 tensorflow 的了解一点也不高深，如果对此有任何帮助，我将不胜感激!

编辑:

嗨@Filippo Grazioli，感谢您的回答!我认为这是最好的前进方式。在对我的代码设计进行了更多思考之后，我认为它并不像我想的那样非常符合 Tensorflow。因此，创建一个属性为张量的类更有意义。

我现在将其标记为已回答。

Answer 1

您尚未将 op、value_index 和 dtype 作为 TFTimeSeries 的参数传递当您实例化 tf_ts 对象时。

如果你尝试实例化 tf.Tensor() 也会抛出同样的错误以同样的方式。

关于如何实现您的 TFTimeSeries类(class)，tf.Variable和 tf.costant可能是有趣的类(class)。

这是他们的文档:
tf.Variable , tf.costant

这是一个问题，其中解释了它们的差异:
TensorFlow Variables and Constants

我不确定我是否正确理解您需要做什么，但这可能是一个起点:

import tensorflow as tf  
import numpy as np

class TimeSeries(object):
    def __init__(self, initial_array, dt):
        self.tensor = tf.Variable(initial_array, dtype=tf.float32)
        self.dt = dt
        self.initial_array = initial_array 

    def sample_times(self):
        self.tensor = tf.Variable(np.arange(self.initial_array.shape[0]) * self.dt, dtype=tf.float32)