tf.scan

scan по списку тензоров, распакованных из elems по размерности 0. (устаревшие значения аргументов)

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

Самая простая версия scan многократно применяет вызываемый объект fn к последовательности элементов от первого до последнего. Элементы состоят из тензоров, распакованных из elems по размерности 0. Вызываемый объект fn принимает два тензора в качестве аргументов. Первый аргумент — это накопленное значение, вычисленное из предыдущего вызова fn, а второй — значение в текущей позиции elems. Если initializer равно None, elems должен содержать по крайней мере один элемент, и его первый элемент используется в качестве инициализатора.

Предположим, что elems распаковывается в values, список тензоров. Форма тензора результата равна [len(values)] + fn(initializer, values[0]).shape. Если reverse=True, это fn(initializer, values[-1]).shape.

Этот метод также позволяет использовать многоарные elems и аккумулирующие значения. Если elems — это (возможно, вложенный) список или кортеж тензоров, каждый из этих тензоров должен иметь соответствующую первую (развернутую) размерность. Второй аргумент fn должен соответствовать структуре elems.

Если нет initializer, структура вывода и типы данных fn предполагаются такими же, как у входных данных; и в этом случае первый аргумент fn должен соответствовать структуре elems.

Если задан initializer, то вывод fn должен иметь такую же структуру, как initializer; и первый аргумент fn должен соответствовать этой структуре.

Например, если elems это (t1, [t2, t3]), а initializer это [i1, i2], то подходящая сигнатура для fn в python2: fn = lambda (acc_p1, acc_p2), (t1, [t2, t3]): и fn должны возвращать список, [acc_n1, acc_n2]. Альтернативная корректная сигнатура для fn, которая работает в python3, это: fn = lambda a, t:, где a и t соответствуют кортежам входных данных.

Аргументы
`fn`	Вызываемый объект для выполнения. Он принимает два аргумента. Первый будет иметь такую же структуру, как `initializer`, если она задана, иначе он будет иметь такую же структуру, как `elems`. Второй будет иметь такую же (возможно, вложенную) структуру, как `elems`. Его вывод должен иметь такую же структуру, как `initializer`, если она задана, иначе он должен иметь такую же структуру, как `elems`.
`elems`	Тензор или (возможно, вложенная) последовательность тензоров, каждый из которых будет развернут вдоль своей первой размерности. Вложенная последовательность получившихся срезов будет первым аргументом для `fn`.
`initializer`	(необязательно) Тензор или (возможно, вложенная) последовательность тензоров, начальное значение для аккумулятора, и ожидаемый тип данных вывода `fn`.
`parallel_iterations`	(необязательно) Количество итераций, разрешенных для выполнения параллельно.
`back_prop`	(необязательно) Устарело. False отключает поддержку обратного распространения. Предпочтительнее использовать `tf.stop_gradient` вместо этого.
`swap_memory`	(необязательно) True включает обмен памятью GPU-CPU.
`infer_shape`	(необязательно) False отключает проверки для согласованных форм вывода.
`reverse`	(необязательно) True сканирует тензор с конца в начало (вместо начала в конец).
`name`	(необязательно) Префикс имени для возвращаемых тензоров.

Возвращает

Возвращает
Тензор или (возможно, вложенная) последовательность тензоров. Каждый тензор упаковывает результаты применения `fn` к тензорам, развернутым из `elems` по первой размерности, и предыдущему значению(ям) аккумулятора от начала к концу (или от конца к началу, если `reverse=True`).

Тензор или (возможно, вложенная) последовательность тензоров. Каждый тензор упаковывает результаты применения fn к тензорам, развернутым из elems по первой размерности, и предыдущему значению(ям) аккумулятора от начала к концу (или от конца к началу, если reverse=True).

Исключения
`TypeError`	если `fn` не является вызываемым объектом или структура вывода `fn` и `initializer` не совпадают.
`ValueError`	если длины вывода `fn` и `initializer` не совпадают.

Примеры
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])

Примеры

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])

© 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/api_docs/python/tf/scan