高效地創建tensorflow節點的向量

可以說我在python中有以下功能，即獲得tensorflow變量x和一些常量y，並將其作爲輸出返回節點，這在某種程度上取決於這兩者。高效地創建tensorflow節點的向量

import tensorflow as tf 

x = tf.Variable(3.0) 
y = {"a" : 3, "b" : 1.0} 

def make_graph(x, y): 
    return y["a"] * x**2 + y["b"]

我有一個像Y（y_vec）的常量列表和我想的功能應用到每個元素，然後計算這些節點的總和，是這樣的：

f = sum([ make_graph(x, y) for y in y_vec ])

然後我想要針對x優化f。當然，函數make_graph可能更復雜。問題是如何在很長時間內有效地做到這一點。

來源

2017-08-10 Josef Ondrej

你是什麼意思更有效？你可以用['tf.sum_n']（https://www.tensorflow.org/api_docs/python/tf/add_n）將所有附加組合成一個。是這個問題，還是你有很多常量，並且不想爲每個節點創建節點？在這種情況下，它將取決於函數，但它可能涉及一些廣播操作和['tf.reduce_sum']（https://www.tensorflow.org/api_docs/python/tf/reduce_sum）。 – jdehesa

@jdehesa問題是，正如你所寫，我有大量的常量，不想爲每個常量創建節點。 –

答案取決於您正在應用的功能。在你的例子中，你可以做這樣的事情：

import tensorflow as tf 

x = tf.Variable(3.0) 
y = {"a" : [3, 4, 5], "b" : [1.0, 2.0, 3.0]} 

def make_graph(x, y): 
    return tf.reduce_sum(y["a"] * x**2 + y["b"], axis=0) 

f = make_graph(x, y)

來源

2017-08-10 11:48:25 jdehesa

所以基本上我應該以這樣一種方式編寫函數，即所有操作都可以在矢量上而不是標量中調用？ –

@JosefOndrej準確地說，他們有時稱之爲「向量化」一個函數或表達式（雖然[vectorize']（https://docs.scipy.org/doc/numpy/reference/generated/numpy.vectorize.html）） NumPy對於本質上是for循環的內容是一個方便的包裝，所以這個術語可能會引起誤解）。 – jdehesa

高效地創建tensorflow節點的向量

回答

相關問題