Python mxnet.ndarray.contrib.foreach用法及代碼示例

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

參數：

body：(a Python function.) - 在迭代中定義計算。
data：(an NDArray or a list of NDArrays.) - 輸入數據。
init_states：(an NDArray or nested lists of NDArrays.) - 循環狀態的初始值。
name：(string.) - 操作符的名稱。

outputs：(an NDArray or nested lists of NDArrays.) - 從所有迭代的輸出中連接的輸出數據。
states：(an NDArray or nested lists of NDArrays.) - 上次迭代中的循環狀態。

使用用戶定義的計算在維度 0 上運行一個 for 循環。

此運算符模擬 for 循環，並且主體具有 for 循環迭代的計算。它在輸入 NDArrays 的每個切片上運行 body 中的計算。

body 將兩個參數作為輸入並輸出兩個元素的元組，如下所示：

out, states = body(data1, states)

data1 可以是 NDArray 或 NDArray 列表。如果 data 是 NDArray，則 data1 是 NDArray。否則，data1 是 NDArrays 的列表，並且與數據具有相同的大小。 states 是 NDArray 的列表，大小與 init_states 相同。類似地，out 可以是一個 NDArray 或一個 NDArray 列表，它們被連接起來作為 foreach 的第一個輸出；上次執行 body 的狀態是 foreach 的第二個輸出。

當輸入數據為 NDArray 時，該算子的計算相當於下麵的偽代碼：

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)

相關用法

注：本文由純淨天空篩選整理自apache.org大神的英文原創作品 mxnet.ndarray.contrib.foreach。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。

用法:

參數：

返回：

例子：