如何在TensorFlow中使用列表？

Question

我有许多列表，例如[1,2,3,4]，[2,3,4]，[1,2]，[2,3,4,6,8,10]，其长度为显然不同意。

如何将其用作TensorFlow中占位符的输入？

正如我尝试过的那样，以下设置将引起错误。

tf.constant（[[[1,2]，[1,2,3] ...]，dtype = tf.int32）

所以我想 占位符 不能通过列表的上输入设置。

有解决方案吗？

编辑:

以下是我的例子。如何使其无错误地运行？

Answer 1

当您创建一个像这样的numpy数组时：

x_data = np.array( [[1,2],[4,5,6],[1,2,3,4,5,6]])

内部numpy dtype是“对象”：

array([[1, 2], [4, 5, 6], [1, 2, 3, 4, 5, 6]], dtype=object)

而且这不能用作张量流中的张量。无论如何，张量必须在每个维度中具有相同的大小，不能“破烂”，并且必须具有每个维度中一个数字定义的形状。 TensorFlow基本上对其所有数据类型进行了假设。尽管TensorFlow的设计人员可以在理论上写入它，使其接受破烂的数组并包含转换功能，但这种自动铸造并不总是一个好主意，因为它可能会在输入代码中隐藏问题。

因此，您需要填充输入数据以使其成为可用的形状。在快速搜索中，我发现 堆栈溢出中的这种方法, ，复制为对您的代码的更改：

import tensorflow as tf
import numpy as np

x = tf.placeholder( tf.int32, [3,None] )
y = x * 2

with tf.Session() as session:
    x_data = np.array( [[1,2],[4,5,6],[1,2,3,4,5,6]] )

    # Get lengths of each row of data
    lens = np.array([len(x_data[i]) for i in range(len(x_data))])

    # Mask of valid places in each row
    mask = np.arange(lens.max()) < lens[:,None]

    # Setup output array and put elements from data into masked positions
    padded = np.zeros(mask.shape)
    padded[mask] = np.hstack((x_data[:]))

    # Call TensorFlow
    result = session.run(y, feed_dict={x:padded})

    # Remove the padding - the list function ensures we 
    # create same datatype as input. It is not necessary in the case
    # where you are happy with a list of Numpy arrays instead
    result_without_padding = np.array(
       [list(result[i,0:lens[i]]) for i in range(lens.size)]
    )
    print( result_without_padding )

输出为：

[[2, 4] [8, 10, 12] [2, 4, 6, 8, 10, 12]]

您无需在末端卸下填充物 - 仅当您需要以相同的破烂阵列格式显示输出时才这样做。另请注意，当您喂养结果时 padded 数据到更复杂的例程，零或其他填充数据（如果更改）可能会被您实施的任何算法使用。

如果您有很多短数组，只有一个或两个很长的阵列，那么您可能需要考虑使用 稀疏张量表示 节省内存并加快计算。

Answer 2

作为使用带衬垫阵列的替代方案，您只需将所有数据作为一个大意大利面条字符串馈送，然后在TensorFlow图中进行折纸

例子：

import tensorflow as tf
import numpy as np

sess = tf.InteractiveSession()

noodle = tf.placeholder(tf.float32, [None])
chop_indices = tf.placeholder(tf.int32, [None,2])

do_origami = lambda list_idx: tf.gather(noodle, tf.range(chop_indices[list_idx,0], chop_indices[list_idx,1]))

print( [do_origami(list_idx=i).eval({noodle:[1,2,3,2,3,6], chop_indices:[[0,2],[2,3],[3,6]]}).tolist() for i in range(3)] )

结果：

[[1.0, 2.0], [3.0], [2.0, 3.0, 6.0]]

但是，如果您的内部列表数量可变，那么祝您好运。您不能从tf.while_loop返回列表，也不能仅使用上述列表理解，因此您必须为每个内部列表分开进行计算。

Answer 3

import tensorflow as tf

sess = tf.InteractiveSession()

my_list = tf.Variable(initial_value=[1,2,3,4,5])

init = tf.global_variables_initializer()

sess.run(init)

sess.run(my_list)

结果：数组（[1，2，3，4，5]）