Python tf.scan用法及代碼示例

掃描從維度 0 的 elems 解壓縮的張量列表。(不推薦使用的參數值)

用法

tf.scan(
    fn, elems, initializer=None, parallel_iterations=10, back_prop=True,
    swap_memory=False, infer_shape=True, reverse=False, name=None
)

警告：不推薦使用某些參數值：(back_prop=False)。它們將在未來的版本中被刪除。更新說明：back_prop=False 已棄用。考慮改用 tf.stop_gradient。代替：results = tf.scan(fn, elems, back_prop=False) 使用：results = tf.nest.map_structure(tf.stop_gradient, tf.scan(fn, elems))

scan 的最簡單版本重複地將可調用的fn 應用於從第一個到最後一個元素的序列。元素由從維度 0 的 elems 解壓縮的張量組成。可調用的 fn 將兩個張量作為參數。第一個參數是從前麵的 fn 調用計算的累加值，第二個參數是 elems 的當前位置的值。如果initializer 為None，則elems 必須至少包含一個元素，並且它的第一個元素用作初始值設定項。

假設 elems 被解壓縮到 values 中，這是一個張量列表。結果張量的形狀是 [len(values)] + fn(initializer, values[0]).shape 。如果 reverse=True，則為 fn(initializer, values[-1]).shape。

此方法還允許multi-arity elems 和累加器。如果elems 是一個(可能是嵌套的)張量列表或元組，那麽這些張量中的每一個都必須具有匹配的第一個(解包)維度。 fn 的第二個參數必須與 elems 的結構匹配。

如果沒有提供initializer，則假設fn的輸出結構和dtypes與其輸入相同；在這種情況下，fn 的第一個參數必須與 elems 的結構匹配。

如果提供了 initializer，則 fn 的輸出必須與 initializer 具有相同的結構；並且fn 的第一個參數必須匹配這個結構。

例如，如果 elems 是 (t1, [t2, t3]) 並且 initializer 是 [i1, i2] 那麽 python2 中 fn 的適當簽名是：fn = lambda (acc_p1, acc_p2), (t1, [t2, t3]): 和 fn 必須返回一個列表 [acc_n1, acc_n2] 。 fn 的另一種正確簽名以及在 python3 中工作的簽名是： fn = lambda a, t: ，其中 a 和 t 對應於輸入元組。

例子：

elems = np.array([1, 2, 3, 4, 5, 6])
sum = scan(lambda a, x:a + x, elems)
# sum == [1, 3, 6, 10, 15, 21]
sum = scan(lambda a, x:a + x, elems, reverse=True)
# sum == [21, 20, 18, 15, 11, 6]

elems = np.array([1, 2, 3, 4, 5, 6])
initializer = np.array(0)
sum_one = scan(
    lambda a, x:x[0] - x[1] + a, (elems + 1, elems), initializer)
# sum_one == [1, 2, 3, 4, 5, 6]

elems = np.array([1, 0, 0, 0, 0, 0])
initializer = (np.array(0), np.array(1))
fibonaccis = scan(lambda a, _:(a[1], a[0] + a[1]), elems, initializer)
# fibonaccis == ([1, 1, 2, 3, 5, 8], [1, 2, 3, 5, 8, 13])