问题描述
我正在尝试在TensorFlow中定义一个自定义层，但是我正在努力处理数据。据我了解，最常见的方法是计算一批输入的输出。这意味着，如果将输入张量称为input，则input[n]是批次的第n个训练输入。
现在让我们假设每个示例都包含两个向量a和b，它们将被区别对待。例如，如果一个训练示例是[[1,2,3],[4,5,6]]，a=[1,3]和b=[4,6]。
但是，输入由许多此类示例组成，因此可能是
[
[[1,6]],[[10,27,45,61]]
]
是否可以选择特定的“行”？
您可以使用input[n]选择一个示例，但是我想得到一个张量，其中有一个所有矢量a或所有矢量b的列表。如果要选择向量[[1,[10,13]]，则上面示例的结果将为a。
是否有其他方法可以为单个训练示例定义操作，并使TensorFlow以高效的方式在批次的所有示例上执行操作？
解决方法
我认为您可能正在寻找lambda层：
import tensorflow as tf
tensor = [[[1,2,3],[4,5,6]],[[10,27,45,61]]]
ds = tf.data.Dataset.from_tensor_slices(tensor)
times_2_times_3 = lambda x: (tf.multiply(x[0],2),tf.multiply(x[1],3))
layer = tf.keras.layers.Lambda(times_2_times_3)
layer(next(iter(ds)))
(<tf.Tensor: shape=(3,),dtype=int32,numpy=array([2,4,6])>,<tf.Tensor: shape=(3,numpy=array([12,15,18])>)
我刚刚解决了。我正在寻找切片运算符。有了输入
x=[[[1,61]]]
您可以通过运行获得十[[1,[10,13]]
result=x[:,0]
这意味着从第0维（“批量”）中选择所有元素，并从第1维中选择第一个元素。
恐怕lambda层解决方案仅适用于单个训练示例。