[TensorFlow笔记] TensorArray解析

TensorArray可以看做是具有动态size功能的Tensor数组。通常都是跟while_loop或map_fn结合使用。

例子1 <http://www.cl.cs.okayama-u.ac.jp/how-to-see-the-values-of-tensorarray/>
：将[2.4, 3.5]写进TensorArray三次
import tensorflow as tf def condition(time, output_ta_l): return tf.less(time,
3) def body(time, output_ta_l): output_ta_l = output_ta_l.write(time, [2.4, 3.5
])return time + 1, output_ta_l time = tf.constant(0) output_ta =
tf.TensorArray(dtype=tf.float32, size=1, dynamic_size=True) result =
tf.while_loop(condition, body, loop_vars=[time, output_ta]) last_time, last_out
= result final_out = last_out.stack()with tf.Session(): print(last_time.eval())
print(final_out.eval()) Out: 3 [[ 2.4000001 3.5 ] [ 2.4000001 3.5 ] [ 2.4000001
3.5 ]]
重要函数：

ta.stack(name=None) 将TensorArray中元素叠起来当做一个Tensor输出

ta.unstack(value, name=None) 可以看做是stack的反操作，输入Tensor，输出一个新的TensorArray对象

ta.write(index, value, name=None) 指定index位置写入Tensor

ta.read(index, name=None) 读取指定index位置的Tensor

以上所有函数的参数name=None均可用来指定当前操作的名称。

• « 上一篇：关联规则算法（Apriori/Fp-growth）在Python上的实现
• » 下一篇：微信小程序跳转页面失效——navigateTo