在张量流中，如何遍历存储在张量中的输入序列？

Question

我在一个变长多元序列分类问题上尝试RNN。

我定义了以下函数来获得序列的输出（即，在序列的最终输入被馈送之后，RNN单元的输出）

def get_sequence_output(x_sequence, initial_hidden_state):
    previous_hidden_state = initial_hidden_state
    for x_single in x_sequence:
        hidden_state = gru_unit(previous_hidden_state, x_single)
        previous_hidden_state = hidden_state
    final_hidden_state = hidden_state
    return final_hidden_state

这里x_sequence是形状的张量(?, ?, 10)首先在哪里？是批量和第二批？表示序列长度，每个输入元素的长度为10。gru函数接受上一个隐藏状态和当前输入，并输出下一个隐藏状态（标准选通递归单元）。

我得到一个错误：'Tensor' object is not iterable. 如何按顺序迭代张量（一次读取单个元素）？

我的目标是对序列中的每个输入应用gru函数，并获得最终的隐藏状态。

Answer 1

在TF>；=1.0中，tf.pack和tf.unpack分别重命名为tf.stack和tf.unstack

Answer 2

可以使用unpack函数将张量转换为列表，该函数将第一个维度转换为列表。还有一个split函数可以做类似的事情。我在我正在研究的RNN模型中使用unstack。

y = tf.unstack(tf.transpose(y, (1, 0, 2)))

在本例中，y从shape（BATCH_SIZE，TIME_STEPS，128）开始，我将其转置，使TIME STEPS成为外部维度，然后将其解压成一个张量列表，每次解压一个张量。现在y列表中的每个元素如果是形状的（BATCH_SIZE，128），我可以将其输入RNN。