在张量流中的 None 维度上迭代张量

Question

如果我有一个张量，其第一维对应于批量大小，例如：

tensor = tf.placeholder(tf.float32, shape=[None, 256, 256,3],name="placeholder_input")

现在我有一个张量函数"myfunc"，作用于大小为 [256,256,3] 的张量，我想应用与批处理数一样多的次数，以获得大小为 [None， 256， 256,3] 的输出。如果形状不是动态的，我会简单地做：

output_tensor = tf.stack([myfunc(tensor [k,:,:,:] for k in range(BATCH_SIZE)])

我该如何处理动态形状？

Answer 1

如果你真的想这样做，你可以使用tf.map_fn

否则你可以尝试直接处理原始张量（第一维 = None）并在正确的轴上进行操作（无需循环）

Answer 2

可以使用

tf.map_fn和tf.scan在张量流中迭代None，但在构建任何图形之前，请确保禁用了渴望执行。

可以使用以下方法完成：

import tensorflow as tf
tf.compat.v1.disable_eager_execution()

你可以做这样的事情：

tensor = tf.compat.v1.placeholder(dtype=tf.float32, shape=[None, 256, 256,3],name="placeholder_input")
output_tensor = tf.map_fn(lambda x : x, elems=(tensor))

输出：

<tf.Tensor 'map/TensorArrayV2Stack/TensorListStack:0' shape=(None, 256, 256, 3) dtype=float32>

这里不需要tf.stack，因为tf.map_fn（）会自动堆叠所有返回的张量