tf.compat.v1.scan

scan по списку тензоров, распакованных из elems по размерности 0.

tf.compat.v1.scan(
    fn, elems, initializer=None, parallel_iterations=10, back_prop=True,
    swap_memory=False, infer_shape=True, reverse=False, name=None
)

См. также tf.map_fn.

Простейшая версия scan многократно применяет вызываемый объект fn к последовательности элементов от первого к последнему. Элементы состоят из тензоров, распакованных из elems по размерности 0. Вызываемый объект fn принимает два тензора в качестве аргументов. Первый аргумент — 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 результирующего тензора [len(values)] + fn(initializer, values[0]).shape. Если reverse=True, это fn(initializer, values[-1]).shape.

Этот метод также поддерживает многоарные elems и аккумуляторы. Если elems является (возможно, вложенным) списком или кортежем тензоров, то каждый из этих тензоров должен иметь соответствующую первую (распакованную) размерность. Второй аргумент fn должен соответствовать структуре elems.

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

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

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

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])