tf.map_fn是如何工作的？

Question

看一下这个演示：

elems = np.array([1, 2, 3, 4, 5, 6])
squares = map_fn(lambda x: x * x, elems)
# squares == [1, 4, 9, 16, 25, 36]

elems = (np.array([1, 2, 3]), np.array([-1, 1, -1]))
alternate = map_fn(lambda x: x[0] * x[1], elems, dtype=tf.int64)
# alternate == [-1, 2, -3]

elems = np.array([1, 2, 3])
alternates = map_fn(lambda x: (x, -x), elems, dtype=(tf.int64, tf.int64))
# alternates[0] == [1, 2, 3]
# alternates[1] == [-1, -2, -3]

我无法理解第二个和第三个。

对于第二个问题： 我认为结果是[2，-1]，因为第一次x = np.array（[1,2,3]）并返回1 * 2，第二次x = np.array（[-1，1，-1]）并返回1 *（-1）

对于第三个问题： 我认为结果的形状是(3,2)，因为第一次x = 1并返回（1，-1），第二次x = 2并返回（2，-2），第三次x = 3并返回（3，-3）。

那么，map_fn是如何工作的？

- gaussclb

---

请查看官方GitHub存储库。 - Aditya

Answer 1

对于第二个问题，我认为结果是 [2, -1]，因为第一次 x=np.array([1, 2, 3]) 并返回 1*2，第二次 x=np.array([-1, 1, -1]) 并返回 1*(-1)。

In [26]: a = np.array([[1, 2, 3], [2, 4, 1], [5, 1, 7]])
In [27]: b = np.array([[1, -1, -1], [1, 1, 1], [-1, 1, -1]])
In [28]: elems = (a, b)    
In [29]: alternate = map_fn(lambda x: x[0] * x[1], elems, dtype=tf.int64)
In [30]: alternate.eval()
Out[30]: 
array([[ 1, -2, -3],
       [ 2,  4,  1],
       [-5,  1, -7]])

您会发现，应用于函数的是elems中每个元素的0维张量。

对于第三个问题：我认为结果的形状是(3,2)，因为第一次x=1并返回(1,-1)，第二次x=2并返回(2,-2)，第三次x=3并返回(3,-3)。

In [36]: elems = np.array([[1, 2, 3], [4, 5, 1], [1, 6, 1]])
In [37]: alternates = map_fn(lambda x: (x, -x), elems, dtype=(tf.int64, tf.int64))
In [38]: alternates
Out[38]: 
(<tf.Tensor 'map_6/TensorArrayStack/TensorArrayGatherV3:0' shape=(3, 3) dtype=int64>,
 <tf.Tensor 'map_6/TensorArrayStack_1/TensorArrayGatherV3:0' shape=(3, 3) dtype=int64>)
In [39]: alternates[0].eval()
Out[39]: 
array([[1, 2, 3],
       [4, 5, 1],
       [1, 6, 1]])
In [40]: alternates[1].eval()
Out[40]: 
array([[-1, -2, -3],
       [-4, -5, -1],
       [-1, -6, -1]])

为了获得您预期的结果：

In [8]: elems = np.array([[1], [2], [3]])                                                          
In [9]: alternates = map_fn(lambda x: (x, -x), elems, dtype=(tf.int64, tf.int64))
In [10]: sess = tf.InteractiveSession()                                                            
In [11]: alternates[0].eval()
Out[11]: 
array([[1],
       [2],
       [3]])

In [12]: alternates[1].eval()                                                                      
Out[12]: 
array([[-1],
       [-2],
       [-3]])

希望这可以帮助您更好地理解map_fn。

- Lerner Zhang

Answer 2

Tensorflow map_fn，从文档中可以得知：

在第0维上对从elems解包的张量列表进行映射。

在这种情况下，输入张量[1,2,3]或[-1,1,-1]只有一个轴。因此，操作为1 * -1、2 * 1和3 * -1，并重新打包结果，给出张量形状。

- Wilfried Maineult