Python mxnet.ndarray.contrib.foreach用法及代码示例

用法: mxnet.ndarray.contrib.foreach(body, data, init_states)

参数：

body：(a Python function.) - 在迭代中定义计算。
data：(an NDArray or a list of NDArrays.) - 输入数据。
init_states：(an NDArray or nested lists of NDArrays.) - 循环状态的初始值。
name：(string.) - 操作符的名称。

outputs：(an NDArray or nested lists of NDArrays.) - 从所有迭代的输出中连接的输出数据。
states：(an NDArray or nested lists of NDArrays.) - 上次迭代中的循环状态。

使用用户定义的计算在维度 0 上运行一个 for 循环。

此运算符模拟 for 循环，并且主体具有 for 循环迭代的计算。它在输入 NDArrays 的每个切片上运行 body 中的计算。

body 将两个参数作为输入并输出两个元素的元组，如下所示：

out, states = body(data1, states)

data1 可以是 NDArray 或 NDArray 列表。如果 data 是 NDArray，则 data1 是 NDArray。否则，data1 是 NDArrays 的列表，并且与数据具有相同的大小。 states 是 NDArray 的列表，大小与 init_states 相同。类似地，out 可以是一个 NDArray 或一个 NDArray 列表，它们被连接起来作为 foreach 的第一个输出；上次执行 body 的状态是 foreach 的第二个输出。

当输入数据为 NDArray 时，该算子的计算相当于下面的伪代码：

states = init_states
outs = []
for i in data.shape[0]:
    s = data[i]
    out, states = body(s, states)
    outs.append(out)
outs = stack(*outs)

例子：

>>> step = lambda data, states: (data + states[0], [states[0] * 2])
>>> data = mx.nd.random.uniform(shape=(2, 10))
>>> states = [mx.nd.random.uniform(shape=(10))]
>>> outs, states = mx.nd.contrib.foreach(step, data, states)

相关用法

注：本文由纯净天空筛选整理自apache.org大神的英文原创作品 mxnet.ndarray.contrib.foreach。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法:

参数：

返回：

例子：