tensorflow map_fn supporta l'assunzione di più di un tensore?

Question

tf.map_fn supporta l'assunzione di più tensioni come supportato dalla funzione di mappa nativa di python (esempio fornito di seguito)?

a = [1,2,3,4] 
b = [17,12,11,10] 
print(map(lambda x,y:x+y, a,b)) # ==> [18, 14, 14, 14] 

Answer 1

Il codice sorgente indica che questa funzione richiede un solo elems tensore:

def map_fn(fn, elems, dtype=None, parallel_iterations=10, back_prop=True, 
     swap_memory=False, name=None): 

io non ritengono * e parametri **.

Answer 2

Non

nativamente, ma qui è una funzione rapida che consente di ottenere esso:

def map(fn, arrays, dtype=tf.float32): 
    # assumes all arrays have same leading dim 
    indices = tf.range(tf.shape(arrays[0])[0]) 
    out = tf.map_fn(lambda ii: fn(*[array[ii] for array in arrays]), indices, dtype=dtype) 
    return out 

# example: batch affine tranformation 
x = tf.random_normal([4,5,6]) 
M = tf.random_normal([4,6,10]) 
b = tf.random_normal([4,10]) 

f = lambda x0,M0,b0: tf.matmul(x0,M0) + b0 
batch_y = map(f, [x,M,b]) 

Answer 3

Come oggi, vedo che map_fn è stato migliorato per prendere due tensori come la documentazione afferma che - "elems: un tensore o (sequenza annidata) di tensori, ognuno dei quali verrà decompresso lungo la loro prima dimensione. La sequenza nidificata delle sezioni risultanti sarà applicata a fn. " L'esempio (sebbene fornito in forma numpy) mostra anche che può richiedere due tensori. Lo sto copiando qui.

elems = (np.array([1, 2, 3]), np.array([-1, 1, -1])) 
alternate = map_fn(lambda x: x[0] * x[1], elems, dtype=tf.int64) 
# alternate == [-1, 2, -3] 

Source: