如何將TensorArray提供給TensorFlow會話

Question

TensorFlow圖形的輸入之一是可變長度數組的列表（例如[[0, 1, 2], [3, 4], [5, 6, 7, 8]）。爲了表示這一點，我在圖中使用了TensorArray。

但是，當涉及到運行圖形時，我無法找到一種方式來饋入一批TensorArrays，因爲feed_dict={ some_ta: [[0, 1, 2], [3, 4], [5, 6, 7, 8]] }不起作用。

目前是否有任何解決方法允許我將TensorArrays直接輸入會話？

Answer 1

這種情況沒有現成的解決方案，但您可以嘗試一種解決方法。

1. 最簡單的解決方法是將所有墊輸入數據（例如用零），使得所有陣列具有相同的尺寸。請注意，張量流設計用於執行張量的計算，其張量爲，其具有矩形而非變量的形狀。因此，這樣你的操作可能會快得多，但你需要調整算法以忽略尾隨零。

   在上面的例子中，代碼很簡單：

   # can hold any number of 4-D vectors 
   input = tf.placeholder(dtype=tf.float32, shape=[None, 4]) 
   with tf.Session() as session: 
       data = [[0, 1, 2, 0], [3, 4, 0, 0], [5, 6, 7, 8]] 
       print session.run(input, feed_dict={input: data}) 
   

2. 如果長度正好是固定的，則可以分割輸入這樣

   input = tf.placeholder(dtype=tf.float32, shape=[None]) 
   split = tf.dynamic_partition(input, partitions=[0, 0, 0, 1, 1, 2, 2, 2, 2], num_partitions=3) 
   
   with tf.Session() as session: 
       data = [0, 1, 2, 3, 4, 5, 6, 7, 8] 
       print session.run(split, feed_dict={input: data}) 
   

   結果如下：

   [array([ 0., 1., 2.], dtype=float32), array([ 3., 4.], dtype=float32), array([ 5., 6., 7., 8.], dtype=float32)] 
   

   partitions參數不能是張量，s o在構建圖形時必須靜態地知道它。

3. 要執行真正的任意拆分，您將自己手動執行此操作。您仍然將data作爲單個陣列，以及保存分區索引的partitions。然後，您可以按照this question或this question中的建議進行繁瑣的拆分。除非絕對沒有別的辦法，否則我不會推薦你遵循這條道路。