tf.py_func, 사용자 정의 tensorflow 함수가 텐서의 첫 번째 요소에만 적용됨

Question

나는 tensorflow에 익숙하지 않으며 깊은 학습 네트워크에서 놀고있었습니다. 각 반복 후에 모든 가중치에 대해 반올림하는 사용자 정의를 수행하려고했습니다. tensorflow 라이브러리의 round 함수는 값을 특정 소수점 이하로 반올림하는 옵션을 제공하지 않습니다. 그래서 나는이

import numpy as np 
import tensorflow as tf 
from tensorflow.python.framework import ops 

np_prec = lambda x: np.round(x,3).astype(np.float32) 
def tf_prec(x,name=None): 
    with ops.name_scope("d_spiky", name,[x]) as name: 
      y = tf.py_func(np_prec, 
         [x], 
         [tf.float32], 
         name=name, 
         stateful=False) 
      return y[0] 
with tf.Session() as sess: 

    x = tf.constant([0.234567,0.712,1.2,1.7]) 
    y = tf_prec(x) 
    y = tf_prec(x) 
    tf.global_variables_initializer 

    print(x.eval(), y.eval()) 

내가 가진 출력이

[ 0.234567 0.71200001 1.20000005 1.70000005] [ 0.235  0.71200001 1.20000005 1.70000005] 

그래서 반올림 정의가 텐서의 첫 번째 항목에서만 근무하고 있었고, 난 내가 뭘 잘못에 대해 확실하지 않다 썼다 . 미리 감사드립니다.

Answer 1

여기에 있기 때문에 다음 줄의 오류,

np_prec = lambda x: np.round(x,3).astype(np.float32) 

당신은 np.float32 출력을 캐스팅. 당신은

은

print(np.round([0.234567,0.712,1.2,1.7], 3).astype(np.float32)) #prints [ 0.235  0.71200001 1.20000005 1.70000005] 

np.round의 기본 출력은 float64이며, 다음과 같은 코드로 오류를 확인할 수 있습니다. 또한 Tout 인수를 으로 변경해야합니다. tf.py_func to float64.

위의 수정 코드와 함께 다음 코드를 제공하고 필요한 경우 주석 처리했습니다.

import numpy as np 
import tensorflow as tf 
from tensorflow.python.framework import ops 

np_prec = lambda x: np.round(x,3) 
def tf_prec(x,name=None): 
    with ops.name_scope("d_spiky", name,[x]) as name: 
      y = tf.py_func(np_prec, 
         [x], 
         [tf.float64], #changed this line to tf.float64 
         name=name, 
         stateful=False) 
      return y[0] 
with tf.Session() as sess: 

    x = tf.constant([0.234567,0.712,1.2,1.7],dtype=np.float64) #specify the input data type np.float64 
    y = tf_prec(x) 
    y = tf_prec(x) 
    tf.global_variables_initializer 

    print(x.eval(), y.eval()) 

희망이 있습니다.