Как обрабатывать вложенные циклы с помощью tenorflow? - PullRequest
Новая
       36

Как обрабатывать вложенные циклы с помощью tenorflow?

0 голосов
/ 26 июня 2018

Я новичок в tenorflow. Я работаю с керасом, но для создания настраиваемой функции потерь я более или менее вынужден написать функцию в тензорном потоке. Я застрял в точке, где я должен перевести этот следующий numpy для цикла в синтаксис тензорного потока. 

for j in range(grid):
    for k in range(modes):
        for l in range(dim):
            for m in range(dim):
                lorentz[:,j,l,m] += 1J*osc_stre[:,l,m,k]/(energies[j]-e_j[:,k])
                if l == m == k:
                    lorentz[:,j,l,m] += 1

Здесь вы можете увидеть начальные формы массивов: 

e_j = zeros([sample_nr,modes],dtype='complex')
osc_stre = zeros([sample_nr,dim,dim,modes],dtype='complex')
lorentz = zeros([sample_nr,grid,dim,dim],dtype='compex')

энергии [j] имеет форму (сетку)

возможно ли решить эту проблему с помощью тензорного потока? Кто-нибудь может дать мне подсказку, как перевести это в синтаксис тензорного потока? Я уже пробовал пару вещей, таких как тензор потока в цикле, но одна из больших проблем заключается в том, что объекты тензор потока не поддерживают назначение элементов.

РЕДАКТИРОВАТЬ:

я думаю, что нашел решение для этой упрощенной версии проблемы: 

for j in range(grid):
    for k in range(modes):
        lorentz[j] += 1J*osc_stre[k]/(energies[j]-e_j[k])
        if k == 0:
           lorentz[j] += 1

решение: 

lorentz_list = []
    tf_one = tf.ones([1], complex64)
    tf_i = tf.cast(tf.complex(0.,1.), complex64)
    energies_float = tf.cast(energies,float32)
    energies_complex = tf.complex(energies_float,tf.zeros([energy_grid],float32))
    for j in range(energy_grid):
        lorentz_list.append(tf.add(tf_one,tf.reduce_sum(tf.multiply(tf_i,tf.divide(osc_stre_tot,tf.subtract(energies_complex[j],e_j))),-1)))
    lorentz = tf.stack(lorentz_list)

1 Ответ

0 голосов
/ 26 июня 2018

Принимая это:

  • lorentz.shape == (batch, grid, dim, dim) и был равен нулю до цикла.
  • osc_stre.shape == (batch, dim, dim, modes)
  • energies.shape == (grid,)
  • e_j.shape == (batch, modes)

Тогда: 

osc_stre = K.reshape(osc_stre, (-1, 1, dim, dim, modes))
energies = K.reshape(energies, (1, grid, 1, 1, 1))   
e_j = K.reshape(e_j, (-1, 1, 1, 1, modes))

lorentz = 1J*osc_stre/(energies-e_j) 

identity = np.zeros((1, 1, dim, dim, modes))
for d in range(min(modes,dim)):
    identity[0,0,d,d,d] = 1
identity = K.variable(identity, dtype = tf.complex64)

lorentz += identity
lorentz = K.sum(lorentz, axis=-1)
...