Tensorflow - 使用兩個參數映射python函數

Question

嗨我有一個python函數，我試圖將張量映射到。我基本上需要通過函數運行每個元素。我不知道如何將這兩個參數映射到這個函數。不僅如此，但即使我刪除第二個參數，它給了我一個錯誤：

TypeError: bad operand type for unary -: 'list' 

這裏是我的全碼：

import tensorflow as tf 

def sigmoid(x, derivative = False): 
    if derivative == True: 
     return (1.0/(1+math.exp(-x))) * (1.0 - (1.0/(1+math.exp(-x)))) 
    return 1.0/(1+math.exp(-x)) 

# build computational graph 
a = tf.placeholder('float', None) 

result = tf.map_fn(sigmoid, [a] , tf.float32) 

# initialize variables 
init = tf.global_variables_initializer() 

# create session and run the graph 
with tf.Session() as sess: 
    sess.run(init) 
    print sess.run(result, feed_dict={a: [2,3,4]}) 

# close session 
sess.close() 

我下面這個：https://www.tensorflow.org/api_docs/python/tf/py_func

編輯 我可以用張量流庫做exp函數：

def sigmoid(x, derivative = False): 
    if derivative == True: 
     return (1.0/(1+tf.exp(-x))) * (1.0 - (1.0/(1+tf.exp(-x)))) 
    return 1.0/(1+tf.exp(-x)) 

Answer 1

爲什麼不能使用tf.nn.sigmoid()函數？

def sigmoid(x, derivative = False): 
    if derivative == True: 
     return tf.nn.sigmoid(x) * (1.0 - tf.nn.sigmoid(x)) 
    return tf.nn.sigmoid(x) 

如果你想要把一個numpy函數曲線圖，你可以使用tf.py_func（代碼將在CPU執行只）：

def sigmoid(x, derivative = False): 
if derivative == True: 
    return (1.0/(1+np.exp(-x))) * (1.0 - (1.0/(1+np.exp(-x)))) 
return 1.0/(1+np.exp(-x)) 

# build computational graph 
a = tf.placeholder('float', None) 

result = tf.py_func(sigmoid, [a, True] , tf.float32)