TensorArray和while_loop如何在tensorflow中一起工作？

Question

我試圖生產用於TensorArray的組合while_loop一個很簡單的例子：

# 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()) 

但我收到以下錯誤：

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

任何人有想法是什麼問題？

Answer 1

代碼中有幾點需要指出。首先，您不需要將矩陣拆散到TensorArray以在循環內部使用它，則可以安全地在主體內引用矩陣Tensor，並使用matrix[i]表示法對其進行索引。另一個問題是矩陣（tf.int32）和TensorArray（tf.float32）之間的數據類型不同，根據您將矩陣乘以2的代碼並將結果寫入數組，因此它也應該是int32。最後，當你想讀取循環的最終結果時，正確的操作是TensorArray.stack()，這是你需要在你的session.run調用中運行。

這裏有一個工作示例：

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)})