将 Python 函数列表应用于张量

Question

我有一个预先计算和存储的 Python lambda 函数列表，例如：

fn_list = [lambda x: x + 2 for x in some_data]

现在，我想要张量：

X = tf.placeholder(..., shape=[None, 1])

将 fn_list 中的每个函数应用于 X 的 None 维度中的每个值。

理想情况下，输出将具有与 X 相同的形状，方法是使用 tf.reduce_sum 为 X 中的每个值压缩来自 fn_list 的所有结果。

下面的代码示例显示了我想从上述问题中得到什么：

import numpy as np
import tensorflow as tf

def _get_gaussian(loc=0.0, scale=1.0):
    return lambda x: (1/scale * np.sqrt(2 * np.pi)) * np.exp(-0.5 * np.power((x-loc)/scale, 2))

data = np.random.normal(3, 1.25, 100)

fn_list = [_get_gaussian(loc=x, scale=0.2) for x in data]

X = tf.placeholder(tf.float32, shape=[None, 1])

pred = tf.map_fn(lambda x: tf.map_fn(lambda fn_: tf.reduce_sum(fn_(x)), fn_list), X)

上面的代码基本上会通过首先计算 data 中每个点周围的正态分布来执行某种内核密度估计，然后将内核存储在 fn_list 中。然后，对于某个 Tensor X，它可以计算 X.

中每个值的可能性

pred 现在是形状为 X.shape.

的张量

这样的事情有可能吗？

Answer 1

我的脑袋有点疼，试图按照这个:)但基本上，如果你像这样打破最后一行：

pred = tf.map_fn( lambda x: tf.map_fn(lambda fn_: tf.reduce_sum(fn_(x)),
                                      fn_list),
                  X)

那么你的问题现在更清楚了。也就是说，内部 tf.map_fn 试图将函数 tf.reduce_sum( fn_( x ) ) 映射到 fn_list，但后者是 函数的列表 而不是张量。此外，外部 tf.map_fn 试图将内部映射的结果映射到 X，但该结果 不是函数 而是张量。所以对这段代码进行一些重新思考和重组是为了，没有映射，高斯表示为Tensorflow操作，可能是这样的：

import numpy as np import tensorflow as tf data = np.random.normal(3, 1.25, 5) #X = tf.placeholder(tf.float32, shape=[None, 1]) X = tf.constant( [ 1, 2, 3 ], dtype = tf.float32 ) scale = 0.2 coeff = np.sqrt(2 * np.pi) / scale X_fn = [] for idx in xrange( len ( data ) ): x = data[ idx ] X_fn.append( coeff * tf.exp( - 0.5 * tf.pow( ( X - x ) / scale, 2 ) ) ) X1 = tf.stack( X_fn, axis = 0 ) X2 = tf.reduce_sum( X1, axis = 1 ) with tf.Session() as sess: print( sess.run( X2 ) )

输出：

[3.7835757e-09 9.0623178e+00 9.2027439e-03 2.7527404e-01 1.1571876e+00]

上面的代码有效，但我不完全确定它是否完全符合您的要求。还是希望对你有帮助。

将 Python 函数列表应用于张量

Applying a list of Python functions to a Tensor

python

tensorflow

kernel-density