Wie kann ich die Form einer Variablen in TensorFlow ändern?

Question

TensorFlow tutorial sagt, dass zum Zeitpunkt der Erstellung müssen wir die Form der Tensoren angeben. Diese Form wird automatisch zur Form des Tensors. Es sagt auch, dass TensorFlow erweiterte Mechanismen zur Umformung von Variablen bietet. Wie kann ich das machen? Irgendein Codebeispiel?

Answer 1

Werfen Sie einen Blick auf shapes-and-shaping von TensorFlow Dokumentation. Es beschreibt verschiedene verfügbare Formtransformationen.

Die gebräuchlichste Funktion ist wahrscheinlich tf.reshape, die ihrem äquivalenten Äquivalent ähnlich ist. Damit können Sie jede gewünschte Form angeben, solange die Anzahl der Elemente gleich bleibt. In der Dokumentation finden Sie einige Beispiele.

Answer 2

Documentation shows Methoden für die Umformung. Sie sind:

• Squeeze umformen (entfernt Dimensionen der Größe 1 aus der Form eines Tensor)
• expand_dims (fügt Dimensionen der Größe 1)

sowie Bündel von Methoden zu bekommen shape, size, rank von Ihrem Tensor. Wahrscheinlich das am häufigsten verwendeten ist reshape und hier ist ein Codebeispiel mit einem paar Grenzfällen (-1):

import tensorflow as tf 

v1 = tf.Variable([ 
    [1, 2, 3, 4], 
    [5, 6, 7, 8], 
    [9, 10, 11, 12] 
]) 
v2 = tf.reshape(v1, [2, 6]) 
v3 = tf.reshape(v1, [2, 2, -1]) 
v4 = tf.reshape(v1, [-1]) 
# v5 = tf.reshape(v1, [2, 4, -1]) will fail, because you can not find such an integer for -1 
v6 = tf.reshape(v1, [1, 4, 1, 3, 1]) 
v6_shape = tf.shape(v6) 
v6_squeezed = tf.squeeze(v6) 
v6_squeezed_shape = tf.shape(v6_squeezed) 

init = tf.initialize_all_variables() 

sess = tf.Session() 
sess.run(init) 
a, b, c, d, e, f, g = sess.run([v2, v3, v4, v6, v6_shape, v6_squeezed, v6_squeezed_shape]) 
# print all variables to see what is there 
print e # shape of v6 
print g # shape of v6_squeezed 

Answer 3

Die tf.Variable Klasse ist die empfohlene Methode, Variablen zu erstellen, aber es schränkt die Fähigkeit, die Form zu ändern der Variablen, sobald sie erstellt wurde.

Wenn Sie die Form einer Variablen ändern müssen, können Sie das folgende (zB für eine 32-Bit-Gleitkomma-Tensor) tun:

var = tf.Variable(tf.placeholder(tf.float32)) 
# ... 
new_value = ... # Tensor or numpy array. 
change_shape_op = tf.assign(var, new_value, validate_shape=False) 
# ... 
sess.run(change_shape_op) # Changes the shape of `var` to new_value's shape. 

Beachten Sie, dass diese Funktion nicht in der dokumentierten öffentlichen API ist Es unterliegt Änderungen. Wenn Sie feststellen, dass Sie diese Funktion nutzen müssen, lassen Sie es uns wissen und wir können nach Wegen suchen, wie Sie diese Funktion unterstützen können.

Answer 4

tf.Variable(tf.placeholder(tf.float32)) 

ist nicht gültig bei tensorflow 1.2.1

in Python-Shell:

import tensorflow as tf 
tf.Variable(tf.placeholder(tf.float32)) 

erhalten Sie:

ValueError: initial_value must have a shape specified: Tensor("Placeholder:0", dtype=float32) 

Update: wenn Sie validate_shape=False hinzufügen, wird es sei kein Fehler.

tf.Variable(tf.placeholder(tf.float32), validate_shape=False) 

wenn tf.py_func entspricht Ihrer Anforderung:

def init(): 
    return numpy.random.rand(2,3) 
a = tf.pyfun(init, [], tf.float32) 

Sie Variable, die eine beliebige Form hat erstellen können, indem Sie Ihre eigene init-Funktion übergeben.

Ein anderer Weg:

var = tf.get_varible('my-name', initializer=init, shape=(1,1)) 

Sie tf.constant passieren kann oder jede init Funktion, die numpy Array zurückgibt. Die angegebene Form wird nicht validiert. Die Ausgabeform ist Ihre tatsächliche Datenform.