for 루프에서 텐서 반복?

Question

for 루프에서 텐서를 반복하는 방법은 무엇입니까? ..

내 input_tensor의 각 행에 컨볼 루션을 수행하고 싶지만 텐서에서는 반복 할 수 없습니다.

현재 이런 식으로하려고 : 각 입력 작업을 tensorflow 정의하려는처럼

def row_convolution(input): 
    filter_size = 8 
    print input.dtype 
    print input.get_shape() 
    for units in xrange(splits): 
     extract = input[units:units+filter_size,:,:] 
     for row_of_extract in extract: 
      for unit in row_of_extract: 
       temp_list.append((Conv1D(filters = 1, kernel_size = 1, activation='relu' , name = 'conv')(unit))) 
      print len(temp_list) 
      sum_temp_list.append(sum(temp_list)) 
     sum_sum_temp_list.append(sum(sum_temp_list)) 
    conv_feature_map.append(sum_sum_temp_list) 
    return np.array(conv_feature_map) 

Answer 1

것 같습니다. 이것은 프레임 워크에 대한 일반적인 오해입니다.

먼저 수행 할 작업을 정의해야하며 모든 작업은 맨 앞에 정의되어야합니다. 일반적으로 다음과 같이 보입니다.

g = tf.Graph() 
with g.as_default(): 
    # define some placeholders to accept your input 
    X = tf.placeholder(tf.float32, shape=[1000,1]) 
    y = tf.placeholder(tf.float32, shape=[1]) 
    # add more operations... 
    Conv1D(...) # add your convolution operations 
    # add the rest of your operations 
    optimizer = tf.train.AdamOptimizer(0.00001).minimize(loss) 

그래프가 모두 정의되었습니다. 고정 된 것으로 간주하고, 다시 아무것도 추가하지 않을 것입니다. = (N을

with g.as_default(), tf.Session() as sess: 
    X_data, y_data = get_my_data() 
    # run this in a loop 
    result = sess.run([optimizer,loss], feed_dict={X:X_data, y:y_data}) 

참고 데이터와 라벨을 일괄 적으로 공급해야하므로 데이터의 첫 번째 차원은 데이터 포인트의 N 번호를 나타냅니다 :

이제 고정 그래프를 통해 데이터를 실행하겠습니다 1은 물론 완벽하게 수용 가능). 데이터를 해당 형식으로 사전 처리해야합니다. 예를 들어, 10 MNIST 숫자의 배치는 모양이 [10,28,28,1] 일 것입니다. 그건 :

• 10 데이터 샘플
• 이미지 28 개 픽셀 높이
• 이미지 때문에 28 픽셀 폭
• 그것은 그레이 스케일 이미지의 1 개 컬러 채널