TensorFlow之tf.map_fn()

tf.map_fn()

划重点：从0维度的 elems 中解压的张量列表上的映射。 

map_fn(
    fn,
    elems,
    dtype=None,
    parallel_iterations=10,
    back_prop=True,
    swap_memory=False,
    infer_shape=True,
    name=None
)

• fn：可调用的执行。它接受一个参数，它将具有与之相同的（可能嵌套的）结构 elems。其输出必须具有与 dtype 相同的结构（如果提供了），否则它必须具有与elems 相同的结构。
• elems：张量或（可能是嵌套的）张量序列，其中的每一个都将沿着它们的第一维度进行解压。生成的切片的嵌套序列将应用于 fn。

使用方法：

1. map_fn 的最简单版本是反复地将可调用的 fn 应用于从第一个到最后一个的元素序列。这些元素由 elems 解压缩的张量构成。如：

elems = np.array([1, 2, 3, 4, 5, 6])
squares = tf.map_fn(lambda x: x * x, elems)
# squares == [1, 4, 9, 16, 25, 36]

elems = (np.array([1, 2, 3]), np.array([-1, 1, -1]))
alternate = tf.map_fn(lambda x: x[0] * x[1], elems, dtype=tf.int64)
# alternate == [-1, 2, -3]


 elems = np.array([1, 2, 3])
 alternates = tf.map_fn(lambda x: (x, -x), elems, dtype=(tf.int64, tf.int64))
 # alternates[0] == [1, 2, 3]
 # alternates[1] == [-1, -2, -3]

2. 

def integrate(integrate_input):
    Xy = integrate_input[0]
    Yx = integrate_input[1]
    assert dimensions_equal(Xy.shape，(max_len, dim,))
    assert dimensions_equal(Xy.shape, (max_len, dim,))
    outputs = tf.concat([Xy,Yx],1)
    return outputs

#若inputs1,inputs2的shape为[batch_size,max_len,dim]
#map_fn将inputs1、inputs2按第0维展开
#每次执行integrate时，Xy的shape为[max_len, dim]
outputs = tf.map_fn(integrate, (inputs1, inputs2))