TensorArray 和 while_loop 在 TensorFlow 中如何协同工作？

Question

我正在尝试为TensorArray和while_loop的组合编写一个非常简单的示例：

# 1000 sequence in the length of 100
matrix = tf.placeholder(tf.int32, shape=(100, 1000), name="input_matrix")
matrix_rows = tf.shape(matrix)[0]
ta = tf.TensorArray(tf.float32, size=matrix_rows)
ta = ta.unstack(matrix)

init_state = (0, ta)
condition = lambda i, _: i < n
body = lambda i, ta: (i + 1, ta.write(i,ta.read(i)*2))

# run the graph
with tf.Session() as sess:
    (n, ta_final) = sess.run(tf.while_loop(condition, body, init_state),feed_dict={matrix: tf.ones(tf.float32, shape=(100,1000))})
    print (ta_final.stack())

但是我遇到了以下错误：

ValueError: Tensor("while/LoopCond:0", shape=(), dtype=bool) must be from the same graph as Tensor("Merge:0", shape=(), dtype=float32).

有人知道问题是什么吗？

- E.Asgari

---

要获取最终的 TensorArray，您需要运行 session.run(ta.stack())，而不是直接运行循环，因为您无法运行 session.run(TensorArray)。 - sirfz

抱歉，我不明白你的意思。你能否写出正确的形式？ - E.Asgari

Answer 1

在你的代码中有几个需要指出的问题。首先，你不需要将矩阵解压成TensorArray才能在循环内部使用它，可以安全地在循环体内引用矩阵Tensor并使用matrix[i]进行索引。另一个问题是矩阵(tf.int32)和TensorArray(tf.float32)之间的数据类型不同，在你的代码中你正在将矩阵整数乘以2并将结果写入数组，因此它也应该是int32。最后，当你想要读取循环的最终结果时，正确的操作是TensorArray.stack()，这是你需要在session.run调用中运行的内容。

下面是一个有效的示例:

import numpy as np
import tensorflow as tf    

# 1000 sequence in the length of 100
matrix = tf.placeholder(tf.int32, shape=(100, 1000), name="input_matrix")
matrix_rows = tf.shape(matrix)[0]
ta = tf.TensorArray(dtype=tf.int32, size=matrix_rows)

init_state = (0, ta)
condition = lambda i, _: i < matrix_rows
body = lambda i, ta: (i + 1, ta.write(i, matrix[i] * 2))
n, ta_final = tf.while_loop(condition, body, init_state)
# get the final result
ta_final_result = ta_final.stack()

# run the graph
with tf.Session() as sess:
    # print the output of ta_final_result
    print sess.run(ta_final_result, feed_dict={matrix: np.ones(shape=(100,1000), dtype=np.int32)}) 

- sirfz

---

在这种情况下，我可以指定输入而不使用feed dictionary，就像如果我在计算图之间使用它，我如何指定张量数组取决于某个张量？ - Rahul

@Rahul 如果我理解你的问题，matrix 可以是任何类型的 Tensor，不一定是一个 placeholder。 - sirfz

在最后一行，我将np.ones(tf.int32, shape=(100,1000))改为np.ones(dtype=np.int32, shape=(100,1000))以便在Python 3上运行此代码。 - Saeid BK