假设在 tensorflow 中,我创建了一个变量
C = tf.Variable(tf.random_uniform([n_sample, n_sample], -1, 1), name='C')
,
现在我想获取指向变量第一列的指针,我可以这样做吗? tf.slice(C, [0,0], [n_sample,1])
会给我我想要的东西,或者它只会创建另一个变量,其值存储在 C
中.
我想要这样做的原因是因为我的优化函数依赖于 C 和 C 的每一列。
最佳答案
据我所知,您无法真正访问数据本身(即像指针一样)。原因是代码与数据无关,因此它可以将数据传递到不同的 CPU 或 GPU,而无需您担心该部分(或者您可以指定要使用的设备,但这会变得很麻烦)。
所以 tf.slice 将是正确使用的函数。
你可以这样做:
for i in range(n_sample):
curr_slice = tf.slice(C, [i,0], [n_sample,1])
do_something(curr_slice)
这不是最有效的版本,但这是您在评论中要求的。
for i inVectorized range(n_sample):approach
curr_sliceloss = tf.slice(C, [i,0], [n_sample,1])
y.assign_add( tf.nn.l2_loss(tf.sub(curr_slice,X - tf.matmul(X,curr_slice)C)) + lambdalamb * tf.nn.l2_loss(curr_slice) C)
loss=tf.reduce_sum(y)
矢量化方法更清晰:
loss = tf.nn.l2_loss(X - tf.matmul(X,C)) + lamb * tf.nn.l2_loss(C)
train_step = tf.train.GradientDescentOptimizer(0.01).minimize(loss)
init = tf.initialize_all_variables()
sess = tf.Session()
sess.run(init)
sess.run(train_step)
您可能需要通过创建占位符来初始化某些值。 另外,我在 skflow 中还找不到它,但在 scikit learn 中它是一个简单的 3 衬垫。
from sklearn.linear_model import Ridge
clf = Ridge(alpha=1.0)
clf.fit(X, W)
关于python - 我可以获得指向 tensorflow 中张量部分的指针吗?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/38377699/