python - 我可以获得指向 tensorflow 中张量部分的指针吗？

Question

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。

Answer 1

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)