Tensorflow如何将张量数组转换为单个张量

Question

Tensorflow如何将张量数组转换为单个张量

pythonmachine-learningneural-networkartificial-intelligencetensorflow

3

我正在使用Tensorflow构建一个LSTM RNN，用于像素级分类（或者更好的说法是像素级预测？）。

请耐心听我解释标题。

网络如下图所示...

这个想法是...一个尺寸为（200,200）的输入图像被输入到大小为（200,200,200）的LSTM RNN中。LSTM RNN中每个序列输出的张量向量（LSTM RNN中的粉色框）都被馈送到MLP，然后MLP进行单个输出预测--因此是逐像素预测（您可以看到一个输入像素生成一个输出“像素”）。

代码如下所示（不是所有代码，只有需要的部分）：

...
n_input_x = 200
n_input_y = 200

x = tf.placeholder("float", [None, n_input_x, n_input_y])
y = tf.placeholder("float", [None, n_input_x, n_input_y])

def RNN(x):
    x = tf.transpose(x, [1, 0, 2])
    x = tf.reshape(x, [-1, n_input_x])
    x = tf.split(0, n_steps, x)

    lstm_cell = rnn_cell.BasicLSTMCell(n_hidden, forget_bias=1.0, state_is_tuple=True)
    outputs, states = rnn.rnn(lstm_cell, x, dtype=tf.float32)

    output_matrix = []
    for i in xrange(200):
        temp_vector = []
        for j in xrange(200):
            lstm_vector = outputs[j]
            pixel_pred = multilayer_perceptron(lstm_vector, mlp_weights, mlp_biases)
            temp_vector.append(pixel_pred)
        output_matrix.append(temp_vector)
        print i

    return output_matrix

temp = RNN(x)
pred = tf.placeholder(temp, [None, n_input_x, n_input_y])
cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(pred, y))
optimizer = tf.train.AdamOptimizer(learning_rate=learning_rate).minimize(cost)
...

我确认 RNN 的输出，即存储在 temp 中的是一个 200x200 的数组，数据类型为 <tf.Tensor 'Softmax_39999:0' shape=(?, 1) dtype=float32>。

如您所见，我将 temp 放置在一个相同形状的 tf.placeholder 中（对于批量大小使用 None...或者我需要吗？）……然后程序就像完成运行一样退出了。理想情况下，当我调试并打印 pred 时，我希望看到的是类似于 <tf.Tensor shape=(200,200)> 的东西。

当我调试时，第一次执行 pred = tf.placeholder(temp, [None, n_input_x, n_input_y])，我会得到 TypeError: TypeErro...32>]]." 然后它 返回，我再尝试一次，它会说 Exception AttributeError: "'NoneType' object has no attribute 'path'" in <function _remove at 0x7f1ab77c26e0> ignored。

编辑我现在意识到我需要放置行

lstm_cell = rnn_cell.BasicLSTMCell(n_hidden, forget_bias=1.0, state_is_tuple=True)
outputs, states = rnn.rnn(lstm_cell, x, dtype=tf.float32)

在第一个循环内生成新的2D LSTM RNN，但是我遇到了有关变量重用的错误。

ValueError: Variable RNN/BasicLSTMCell/Linear/Matrix does not exist, disallowed. Did you mean to set reuse=None in VarScope?

换句话说，它没有自动递增RNN张量名称吗？

- Kendall Weihe

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Rob Romijnders · Answer 1

使用tf.shape()更方便地报告形状。在您的情况下：

size1 = tf.shape(temp)
sess = tf.Session()
size1_fetched = sess.run(size1, feed_dict = your_feed_dict)

这样，size1_fetched就像你从NumPy中获取的一样。此外，还提供了特定feed_dict的大小。例如，您的[None，200，200]张量将是[64，200，200]

另一个问题：为什么在流图中间有占位符？您是否稍后会提供预定义的图像特征映射？