小编Tam*_*ura的帖子

我对在 Tensorflow 中实现递归神经网络感兴趣，就像如何在 TensorFlow 中实现递归神经网络？。

然而，在他的实现中，该语句parallel_iterations的tf.while_loop被固定为 1。我担​​心这可能太慢了。由于我要输入张量流的树具有彼此不依赖的部分，因此我希望可以设置parallel_iterations为更高的值。然而，我作为张量流的输入输入的树中不可避免地需要一些依赖项，并且我担心将其设置为更高的值可能会破坏依赖项属性。

所以我的问题是，Tensorflow 是否tf.while_loop已经自动捕获了依赖关系，以便仅在彼此不依赖的位置上使用并行性？

张量流文档说明如下：

对于正确的程序，while_loop 对于任何并行迭代 > 0 都应返回相同的结果。

但我不确定他们所说的“正确的程序”是什么意思。

我想做类似的事情：

PCollection<String> a = whatever;
PCollection<KV<String, User>> b = a.apply(
        MapElements.into(TypeDescriptor.of(KV<String, User>.class))
        .via(s -> KV.of(s, new User(s))));

其中 User 是带有 Arvo 编码器的自定义数据类型和考虑字符串的构造函数。

但是，我收到以下错误：

无法从参数化类型中选择

我尝试将其更改为TypeDescriptor.of(KV.class)，但后来我得到：

不兼容的类型；必需的 PCollection> 但“apply”被推断为 OutputT：不存在类型变量的实例，因此 PCollection 符合 PCollection>

那么我该如何使用KVwithMapElements呢？

我知道我想要做的事情是可以使用ParDo我可以明确指定如何通过清除来执行类型擦除new DoFn<String, KV<String, User>>但ParDo不支持 lambda 函数的地方。由于我们使用的是 Java 8，这似乎不太优雅......

在 Google I/O Bytes 视频《我们如何为 Android Wear 定制 Google Apps》（https://www.youtube.com/watch?v=o5cne6vK-eo）中，我看到对于可穿戴定制相机应用程序，他们添加了一个按钮直接位于通知上（而不是位于通知后面作为新页面，如果使用 addAction 或 setContentAction 则会出现这种情况）。

有谁知道我需要使用哪个 API 才能做到这一点？我不认为第一个视图使用自定义 Activity，因为当至少有一个通知时，它看起来就像 Android Wear 的第一个屏幕。我试图在文档中查找它，但找不到。我尝试过 setDisplayIntent 这是其他人建议的，但它似乎不是同一个。