while_loop错误Tensorflow

Question

我试图在使用while_loop Tensorflow，但是当我尝试从while循环调用返回的目标输出，因为形状每次增加它给了我一个错误。

输出应该包含基于数据值（输入数组）的值（0或1）值。如果数据的值大于5返回否则返回。返回的值必须加入到输出

这是代码::

import numpy as np 
import tensorflow as tf 

data = np.random.randint(10, size=(30)) 
data = tf.constant(data, dtype= tf.float32) 

global output 
output= tf.constant([], dtype= tf.float32) 
i = tf.constant(0) 
c = lambda i: tf.less(i, 30) 


def b(i): 
    i= tf.add(i,1) 
    cond= tf.cond(tf.greater(data[i-1], tf.constant(5.)), lambda: tf.constant(1.0), lambda: tf.constant([0.0])) 
    output =tf.expand_dims(cond, axis = i-1) 
    return i, output 

r,out = tf.while_loop(c, b, [i]) 
print(out) 
sess= tf.Session() 
sess.run(out) 

错误::

r, out = tf.while_loop(c, b, [i])

ValueError: The two structures don't have the same number of elements.

First structure (1 elements): [tf.Tensor 'while/Identity:0' shape=() dtype=int32]

Second structure (2 elements): [tf.Tensor 'while/Add:0' shape=() dtype=int32, tf.Tensor 'while/ExpandDims:0' shape=unknown dtype=float32>]

我用tensorflow-1.1.3和蟒蛇-3.5

如何更改我的代码t o给我的目标结果？

编辑::

我编辑的代码基于@mrry的答案，但我仍然有一个问题，输出是不正确的答案 输出数字总和

a = tf.ones([10,4]) 
print(a) 
a = tf.reduce_sum(a, axis = 1) 
i =tf.constant(0) 
c = lambda i, _:tf.less(i,10) 

def Smooth(x): 
    return tf.add(x,2) 

summ = tf.constant(0.) 
def b(i,_): 
    global summ 
    summ = tf.add(summ, tf.cast(Smooth(a[i]), tf.float32)) 
    i= tf.add(i,1) 
    return i, summ 

r, smooth_l1 = tf.while_loop(c, b, [i, smooth_l1]) 

print(smooth_l1) 

sess = tf.Session() 
print(sess.run(smooth_l1)) 

的出把是6.0（错误）。

Answer 1

的tf.while_loop()功能需要以下四个列表具有相同的长度，以及相同类型的每个元素：

• 的参数传递给cond函数（c在这种情况下）的列表。
• 函数参数列表body函数（在这种情况下为b）。
• 函数返回值列表body函数。
• 表示循环变量的loop_vars的列表。

因此，如果您的循环体有两个输出，你必须向b和c，以及相应的元素添加相应的参数，以loop_vars：

c = lambda i, _: tf.less(i, 30) 

def b(i, _): 
    i = tf.add(i, 1) 
    cond = tf.cond(tf.greater(data[i-1], tf.constant(5.)), 
       lambda: tf.constant(1.0), 
       lambda: tf.constant([0.0])) 

    # NOTE: This line fails with a shape error, because the output of `cond` has 
    # a rank of either 0 or 1, but axis may be as large as 28. 
    output = tf.expand_dims(cond, axis=i-1) 
    return i, output 

# NOTE: Use a shapeless `tf.placeholder_with_default()` because the shape 
# of the output will vary from one iteration to the next. 
r, out = tf.while_loop(c, b, [i, tf.placeholder_with_default(0., None)]) 

正如评论指出，身体的该循环（特别是tf.expand_dims()的调用）似乎不正确，并且该程序不会按原样运行，但希望这足以让您开始。