Tensorflow中的while_loop误差

Question

我尝试在Tensorflow中使用while_loop，但是当我试图从time循环中返回可调用的目标输出时，它会给出一个错误，因为形状每次都会增加。

输出应该包含(0或1)基于数据值(输入数组)的值。如果数据值大于5，则返回1或返回。返回的值必须添加到输出中。

这是守则：

import numpy as np
import tensorflow as tf

data = np.random.randint(10, size=(30))
data = tf.constant(data, dtype= tf.float32)

global output
output= tf.constant([], dtype= tf.float32)
i = tf.constant(0)
c = lambda i: tf.less(i, 30)


def b(i):
   i= tf.add(i,1)
   cond= tf.cond(tf.greater(data[i-1], tf.constant(5.)), lambda: tf.constant(1.0), lambda: tf.constant([0.0]))
   output =tf.expand_dims(cond, axis = i-1)
   return i, output

r,out = tf.while_loop(c, b, [i])
print(out)
sess=  tf.Session()
sess.run(out) 

错误：

r，out = tf.while_loop(c，b，i) ValueError:这两个结构没有相同数量的元素。 第一个结构(1个元素)：tf.Tensor 'while/Identity:0‘shape=() dtype=int32 第二个结构(2个元素)：tf.Tensor 'while/Add:0‘shape=() dtype=int32，tf.Tensor 'while/ExpandDims:0’shape=unknown dtype=float32>

我使用tensorflow-1.1.3和python-3.5

如何更改代码以给出目标结果？

编辑：：

我根据@mrry答案编辑代码，但仍然存在一个问题:输出不正确--答案是数字求和

a = tf.ones([10,4])
print(a)
a = tf.reduce_sum(a, axis = 1)
i =tf.constant(0)
c = lambda i, _:tf.less(i,10)

def Smooth(x):
   return tf.add(x,2)

summ = tf.constant(0.)
def b(i,_):
   global summ
   summ = tf.add(summ, tf.cast(Smooth(a[i]), tf.float32))
   i= tf.add(i,1)
   return i, summ

r, smooth_l1 = tf.while_loop(c, b, [i, smooth_l1])

print(smooth_l1)

sess = tf.Session()
print(sess.run(smooth_l1))

输出为6.0 (错误)。

Answer 1

tf.while_loop()函数要求以下四个列表具有相同的长度和每个元素的相同类型：

• cond函数的参数列表(本例中为c)。
• body函数的参数列表(本例中为b)。
• 来自body函数的返回值列表。
• 表示循环变量的loop_vars列表。

因此，如果循环体有两个输出，则必须向b和c添加相应的参数，并向loop_vars添加相应的元素。

c = lambda i, _: tf.less(i, 30)

def b(i, _):
  i = tf.add(i, 1)
  cond = tf.cond(tf.greater(data[i-1], tf.constant(5.)),
                 lambda: tf.constant(1.0),
                 lambda: tf.constant([0.0]))

  # NOTE: This line fails with a shape error, because the output of `cond` has
  # a rank of either 0 or 1, but axis may be as large as 28.
  output = tf.expand_dims(cond, axis=i-1)
  return i, output

# NOTE: Use a shapeless `tf.placeholder_with_default()` because the shape
# of the output will vary from one iteration to the next.
r, out = tf.while_loop(c, b, [i, tf.placeholder_with_default(0., None)])

正如注释中所指出的，循环的主体(特别是对tf.expand_dims()的调用)似乎是不正确的，这个程序将无法按原样工作，但希望这足以让您开始工作。

Answer 2

如果您看到这个错误: ValueError:这两个结构没有相同数量的元素。

如果您在while_loop中看到它，这意味着您的输入和输出在while循环中有不同的形状。

我通过确保从while循环函数返回相同的loop_vars结构来解决这个问题，条件函数也必须接受相同的循环vars。

下面是一个示例代码

        loop_vars = [i, loss, batch_size, smaller_str_lens]
        def condition(*loop_vars):
            i = loop_vars[0]
            batch_size = loop_vars[2]
            return tf.less(i, batch_size)

        def body(*loop_vars):
            i, loss, batch_size, smaller_str_lens = loop_vars
            tf.print("The loop passed here")
           ## logic here
            i = tf.add(i, 1)

            return i, loss, batch_size, smaller_str_lens
            
        loss = tf.while_loop(condition, compare_strings, loop_vars)[1]

主体函数必须返回循环vars，条件函数必须接受循环vars。