複数の計算ステップにわたるtf.TensorArrayは覚えていますか？

Question

私はこれをしようとしていた。

動作しません

ta = tf.TensorArray(tf.int32, size=3) 
    index = tf.placeholder(tf.int32) 
    value = tf.placeholder(tf.int32) 
    flow = tf.placeholder(tf.float32) 
    ta_new = tf.TensorArray(dtype=ta.dtype, handle=ta.handle, flow=flow) 
    write = ta_new.write(index, value).flow 
    read = ta_new.read(index) 
    f = 0 
    f = session.run(write, feed_dict={index: 0, value: 1, flow: f}) 
    f = session.run(write, feed_dict={index: 1, value: 2, flow: f}) 
    assert_equal(session.run(read, feed_dict={index: 0, flow: f}), 1) 
    assert_equal(session.run(read, feed_dict={index: 1, flow: f}), 2) 

。エラーが表示されます：

Could not read from TensorArray index 0 because it has not yet been written to. 

これを動作させる方法はありますか？

私が理解しているように、TensorArray.flowは、tf.control_dependenciesの代替として使用され、おそらく勾配の流れが得られますか？私はスカラー自体に意味がないと思う。また、プレースホルダとしてはそれほど意味をなさないものとして使用すると思います。しかし、私はまだそれが動作することを期待していたでしょう。

TensorArrayでいくつかの計算ステップに値を格納することは可能でしょうか？何か別の選択肢はありますか？私は基本的にそれを必要とします。例えば。 tf.FIFOQueueは私にランダムなインデックスアクセスを与えません。

Answer 1

tf.TensorArrayは、実行時（「ステップごとの」）リソースマネージャを内部的に使用します。 TensorArrayCreationOphereを参照してください。実行すると、リソースはsession.run()コールに格納されません。

グローバル・リソース・マネージャを使用する場合、デモ・コードは動作します。デモ・コードは、セッションでリソースを有効に保つ必要があります。残念ながら、その動作を変更する方法はありません。

クラスをオーバーロードし、基本的にまったく同じように動作するがグローバルリソースマネージャを使用する1つのバージョンを実装しようとしました。残念ながらtensor_array.hは公式PIPパッケージ（hereと報告されています）の一部ではないため、PIPパッケージではコンパイルできません。