Numpy имеет эту вспомогательную функцию, np.empty , которая будет:
Возвращать новый массив заданной формы и типа без инициализации записей.
Я нахожу это весьма полезным, когда я хочу создать тензор, используя tf.concat , поскольку:
Количество измерений входных тензоров должно совпадать, и всеРазмеры, кроме оси, должны быть равны.
Так что полезно начать с пустого тензора ожидаемой формы.Есть ли способ добиться этого в тензорном потоке?
[править]
Упрощенный пример того, почему я хочу это
netInput = np.empty([0, 4])
netTarget = np.empty([0, 4])
inputWidth = 2
for step in range(data.shape.as_list()[-2]-frames_width-1):
netInput = tf.concat([netInput, data[0, step:step + frames_width, :]], -2)
target = tf.concat([target, data[0, step + frames_width + 1:step + frames_width + 2, :]], -2)
В этом примере, если netInput или netTargetинициализированы, я буду объединять дополнительный пример с этой инициализацией.И чтобы инициализировать их первым значением, мне нужно взломать цикл.Ничего, мэр, мне просто интересно, есть ли способ «тензорного потока», чтобы решить эту проблему.