Comment puis-je exécuter une boucle avec un tenseur de sa gamme? (en tensorflow)

Je veux avoir une boucle for que le nombre d'itérations est dépendent d'un tenseur de valeur. Par exemple:

for i in tf.range(input_placeholder[1,1]):
  # do something

Mais j'ai l'erreur suivante:

"TypeError: 'Tenseur' objet n'est pas itératif"

Que dois-je faire?

OriginalL'auteur Poorya Pzm | 2016-02-11

  1. 20

    Pour ce faire, vous aurez besoin d'utiliser la tensorflow boucle while (tf.while_loop) comme suit:

    i = tf.constant(0)
while_condition = lambda i: tf.less(i, input_placeholder[1, 1])
def body(i):
    # do something here which you want to do in your loop
    # increment i
    return [tf.add(i, 1)]

# do the loop:
r = tf.while_loop(while_condition, body, [i])
    Fonctionne pour moi. Tnx!
    qu'en est-il, j'ai une variable dans la boucle ? J'obtiens une erreur de référence stackoverflow.com/questions/47760429/...
    Cela semble fonctionner, mais semble en contradiction directe avec la Tensorflow conseil: Pour corriger des programmes, while_loop doit renvoyer le même résultat pour un parallel_iterations > 0." Il semble que cela peut créer une situation de concurrence conduisant à la boucle étant évalué entre "n" et "n*parallel_iterations" fois

    OriginalL'auteur patapouf_ai

  2. -8

    Le type de la valeur de retour de TensorFlow Python fonctions de l'API, y compris tf.range est un Tenseur. Un Tensor est une symbolique de la poignée de nœud dans un graphe qui représente le calcul. Vous effectuer le calcul par l'appel de la eval méthode sur un Tensor, ou par la transmission de l'objet à run méthode de Session. Dans votre cas, peut-être que ce que vous faire est de simplement parcourir numpy's range.

    for in in np.range(...):
  # do something
    Non, ce n'est pas ce que je recherche. Je veux une boucle pour fonctionner k fois, tandis que k est déterminé en fonction de l'entrée. L'entrée est un tenseur d'espace réservé.
    En fait, j'ai deux entrées. Premier est une matrice, et la seconde est de savoir combien de fois une opération spécifique qui devrait être fait.
    Lorsque vous écrivez un tensorflow op, ayant numpy appels, empêche l'op de s'exécuter sur le processeur graphique, il est donc important pour l'op, pour avoir seulement GPU compatible tensorflow ops.

    OriginalL'auteur keveman