tensorflow map_fn TensorArray具有不一致的形状

Question

我正在玩map_fn函数,并注意到它输出了一个TensorArray,这意味着它能够输出"锯齿状"张量(其中内部的张量具有不同的第一维度).

我尝试使用此代码查看此操作:

import tensorflow as tf
import numpy as np

NUM_ARRAYS = 1000
MAX_LENGTH = 1000

lengths = tf.placeholder(tf.int32)
tArray = tf.map_fn(lambda x: tf.random_normal((x,), 0, 1),
                   lengths,
                   dtype=tf.float32) # Should return a TensorArray.

# startTensor =  tf.random_normal((tf.reduce_sum(lengths),), 0, 1)
# tArray = tf.TensorArray(tf.float32, NUM_ARRAYS)
# tArray = tArray.split(startTensor, lengths)
# outArray = tArray.concat()


with tf.Session() as sess:
    outputArray, l = sess.run(
        [tArray, lengths],
        feed_dict={lengths: np.random.randint(MAX_LENGTH, size=NUM_ARRAYS)})
    print outputArray.shape, l

然而得到了错误:

"TensorArray具有不一致的形状.索引0具有形状:[259]但索引1具有形状:[773]"

这当然让我感到惊讶,因为我认为TensorArrays应该能够处理它.我错了吗？

Answer 1

虽然tf.map_fn()确实在内部使用tf.TensorArray对象,并且a 可以保存不同大小的对象,但是这个程序不会按原样工作,因为通过将元素堆叠在一起将其结果转换回a ,并且这个操作失败了.tf.TensorArraytf.map_fn()tf.TensorArraytf.Tensor

但是,您可以tf.TensorArray使用低杠杆tf.while_loop()操作来实现基于-based:

lengths = tf.placeholder(tf.int32)
num_elems = tf.shape(lengths)[0]
init_array = tf.TensorArray(tf.float32, size=num_elems)

def loop_body(i, ta):
  return i + 1, ta.write(i, tf.random_normal((lengths[i],), 0, 1))

_, result_array = tf.while_loop(
    lambda i, ta: i < num_elems, loop_body, [0, init_array])