像Tensorflow中的zip功能？Tensorflow张量操作

Question

我的问题是关于Tensorflow中的张量运算。比方说：

import tensorflow as tf
import numpy as np

a = tf.Variable(np.random.random([10, 3, 3]))
b = tf.Variable(np.random.random([10, 3, 3]))

def some_function(m,n):
    # just as an example
    return tf.add(m, n)

这在Tensorflow中有效，但需要高级了解尺寸。但是，张量的第一维很可能为无。

c = []
for i in range(10):
    c.append(some_function(a[i], b[i]))
c = tf.stack(c)

所以我想知道Tensorflow中是否有类似zip的功能？然后我们可以做：

# TypeError: zip argument #1 must support iteration
c = []
for i, j in zip(a,b):
    c.append(some_function(i,j))
c = tf.stack(c)

也许我们可以使用tf.map_fn或tf.scan之类的功能？但我不确定。真的谢谢你们

Answer 1

您可以使用tf.transpose这样的

>>> a = tf.constant([1, 2, 3])
>>> b = tf.constant([4, 5, 6])
>>> tf.transpose([a, b])
<tf.Tensor: shape=(3, 2), dtype=int32, numpy=
array([[1, 4],
       [2, 5],
       [3, 6]], dtype=int32)>

Answer 2

Tensor对象不可迭代，这说明了您的第三个代码示例失败的原因。因此，要回答您的问题，TensorFlow中没有类似zip的功能。

您确实可以使用tf.map_fn将函数应用于张量序列。您在示例代码中提出的问题可以通过以下方式解决：

def some_function(tensor):
  return tf.reduce_sum(tensor)

c = tf.stack([a, b], axis=1)
d = tf.map_fn(some_function, c, dtype=tf.float32)

产生一个张量，d其值为[20., 6., 6.]。