Come posso modificare la forma di una variabile in TensorFlow?

Question

TensorFlow tutorial dice che al momento della creazione è necessario specificare la forma dei tensori. Quella forma diventa automaticamente la forma del tensore. Dice anche che TensorFlow fornisce meccanismi avanzati per rimodellare le variabili. Come lo posso fare? Qualche esempio di codice?

Answer 1

Dai uno sguardo a shapes-and-shaping dalla documentazione di TensorFlow. Descrive diverse trasformazioni di forma disponibili.

La funzione più comune è probabilmente tf.reshape, che è simile al suo equivalente numpy. Ti permette di specificare qualsiasi forma che desideri purché il numero di elementi rimanga lo stesso. Ci sono alcuni esempi disponibili nella documentazione.

Answer 2

Documentation shows metodi di rimodellamento. Essi sono:

• rimodellare
• squeeze (rimuove dimensioni del formato 1 dalla forma di un tensore)
• expand_dims (aggiunge dimensioni del formato 1)

nonché sacco di metodi per ottenere shape, size, rank del tuo tensore. Probabilmente il più utilizzato è reshape ed ecco un esempio di codice con un paio di casi limite (-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

La classe tf.Variable è il metodo consigliato per creare variabili, ma limita la capacità di cambiare la forma della variabile una volta creata.

Se è necessario cambiare la forma di una variabile, è possibile effettuare le seguenti operazioni (ad esempio per un virgola mobile tensore 32-bit):

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. 

Si noti che questa funzione non è nel API pubblica documentata , quindi è soggetto a modifiche. Se ti trovi a dover utilizzare questa funzione, faccelo sapere e possiamo esaminare un modo per supportarlo.

Answer 4

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

non è valida presso tensorflow 1.2.1

in guscio pitone:

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

otterrete:

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

Update: se si aggiunge validate_shape=False, ci sarà non essere un errore

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

se tf.py_func corrisponde il vostro requisito:

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

È possibile creare variabile che ha qualsiasi forma passando la propria funzione init.

Un altro modo:

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

Si può passare tf.constant o qualsiasi funzione che restituisce init matrice NumPy. La forma fornita non sarà convalidata. La forma di output è la tua vera forma di dati.