python - 在 Tensorflow 中将函数按元素应用于具有不同参数的张量

Question

我有一个由常量和变量混合组成的列表，它们充当我试图优化的函数的输入。这是复杂的部分:我需要对列表中的每个元素应用一个函数，每个元素都有不同的参数。我相信这必须在计算图中完成才能有效。

我想做的是将参数放入逐个元素匹配的张量中，并将函数应用于三个张量，以便一起评估每行元素。这可能吗？

示例:

最终可能会得到类似的结果:

# The list of variables and constants to optimize
optimal = [[tf.constant(10.0), tf.constant(1.0), tf.Variable(0.0)]]

# Parameters
p1 = [[None, None, 2.0]]
p2 = [[None, None, 5.0]]

# Apply the function
# ----------------------- HOW TO DO THIS -----------------------
g = f(optimal, p1, p2)
# --------------------------------------------------------------

# Loss
loss = tf.abs(tf.sub(g, label))

# Optimize
trainstep = tf.train.ProximalGradientDescentOptimizer(.1).minimize(loss, var_list= [optimal[2]])

sess.run(trainstep)

提前非常感谢您。

Answer 1

使用tf.map_fn 。

g = tf.map_fn(f, tf.transpose(tf.concat(0, [optimal, p1, p2])))

首先沿着dim 0连接，然后转置它，使得行i为o_i, p1_i, p2_i。 map_fn 只是将 f 应用于每一行。