У Numpy есть эта вспомогательная функция, np.empty, которая будут:
Возвращает новый массив заданной формы и типа без инициализации записей.
Я нахожу его очень полезным, когда хочу создать тензор, используя tf. concat так как:
Количество измерений входных тензоров должно совпадать, и все измерения, кроме оси, должны быть равны.
Поэтому полезно начать с пустого тензора ожидаемой формы. Есть ли способ добиться этого в тензорном потоке?
[редактировать]
Упрощенный пример того, почему я хочу этого
netInput = np.empty([0, 4])
netTarget = np.empty([0, 4])
inputWidth = 2
for step in range(data.shape.as_list()[-2]-frames_width-1):
netInput = tf.concat([netInput, data[0, step:step + frames_width, :]], -2)
target = tf.concat([target, data[0, step + frames_width + 1:step + frames_width + 2, :]], -2)
В этом примере, если инициализируются netInput или netTarget, я буду объединять дополнительный пример с этой инициализацией. И чтобы инициализировать их первым значением, мне нужно взломать цикл. Ничего, мэр, мне просто интересно, есть ли способ «tensorflow» решить эту проблему.
tf.concat
? - person jdehesa   schedule 22.05.2018