使用 Tensorflow 在运行时拟合张量的索引向量

Question

我有这个 python 函数，它使用 Tensorflow 框架:

def compute_ap(gain_vector):

    #this vector must fit the dimension of the gain_vector
    index_vector = tf.range(1, gain_vector.get_shape()[0],dtype=tf.float32)

    ap = tf.div(tf.reduce_sum(tf.div(tf.cast(gain_vector,tf.float32), index_vector), 1),tf.reduce_sum(tf.cast(gain_vector,tf.float32), 1))
    return ap

当我运行程序时我得到这个错误：

ValueError: Tensor conversion requested dtype float32 for Tensor with dtype int32: 'Tensor("inputs/strided_slice:0", shape=(), dtype=int32)'

好像gain_vector.get_shape()[0]没有得到增益向量的向量，有什么问题吗？

Answer 1

tf.range() 只接受 int32.

类型的参数

Args:
start: A 0-D (scalar) of type int32. First entry in sequence.
Defaults to 0.

因此，您可以创建一个 int32 张量，稍后将其转换为 float32。所以，使用这样的东西：

In [80]: index_vector = tf.range(1, tf.shape(gain_vector)[0])
In [81]: vec_float32 = tf.cast(index_vector, dtype=tf.float32)

使用 Tensorflow 在运行时拟合张量的索引向量

index vector that fit tensor at runtime using Tensorflow

python

deep-learning

tensorflow

tensor