Создание функций numpy и преобразование в тензор

Question

Я пытаюсь создать функцию, используя numpy что-то вроде f=(x-a1)^2+(y-a2)^2+a3

Где a1,a2,a3 - случайные числа, а x,y - параметры.

Но я не могу работать с ним, я хочу найти f(0,0), где [0,0] - это [x,y] и [a1,a2,a3] были установлены ранее, но мой код не работает. А потом я хочу преобразовать эту функцию в тензор потока теноров. Вот мой код, строка с "##" не работает.

import tensorflow as tf
from random import random, seed
import numpy as np


def mypolyval(x, min_point, min_value):
    res = min_value
    for i in range(len(min_point)):
        res += (x[i] - min_point[i]) ** 2
    return res


class FunGen:
    def __init__(self, dim, n):
        self.dim = dim
        self.n = n
        self.functions = []
        self.x = []

    def c2(self):
        seed(10)
        for _ in range(self.n):
            min_point = [random() for _ in range(self.dim)]
            min_value = random()
            f = np.vectorize(mypolyval, excluded=['x'])

            ##print(f(x=np.array([0, 0]), min_point=min_point, min_value=min_value))
            self.functions.append((f, min_point, min_value))
        return self.functions


functions = FunGen(2, 1).c2()
for i in functions:
    print(type(i[0]))
    f=i[0]
   ## print(f(x=[0, 0], min_value=i[1], min_point=i[2]))
    ##a=tf.convert_to_tensor(f,dtype=np.float32)

Answer 1

Проблема не связана с тензорным потоком. Линия

min_point = [random() for _ in range(self.dim)]

создает список и списки не имеют .size() имущество.

Вы можете превратить его в массив с помощью min_point = np.array([random() for _ in range(self.dim)]))тогда .size() буду работать.

Или, если вы хотите придерживаться списка, используйте for i in range(len(min_point)), который вычисляет длину списка.

Также вам нужно добавить min_point а также min_value их в список исключенных:

from random import random, seed
import numpy as np


def mypolyval(x, min_point, min_value):

    print('x', x)
    print('min_point', min_point)
    print('min_value', min_value)
    res = min_value
    for i in range(len(min_point)):
        res += (x[i] - min_point[i]) ** 2
    return res


class FunGen:
    def __init__(self, dim, n):
        self.dim = dim
        self.n = n
        self.functions = []
        self.x = []

    def c2(self):
        seed(10)
        for _ in range(self.n):
            min_point = [random() for _ in range(self.dim)]
            min_value = random()
            f = np.vectorize(mypolyval, excluded=['x', 'min_point', 'min_value'])
            #print(f(x=[0, 0], min_value=min_value, min_point=min_point))
            self.functions.append((f, min_point, min_value))
        return self.functions


functions = FunGen(2, 1).c2()
for i in functions:
    print(type(i[0]))
    print(i)
    f=i[0]
    print(f(x=[0, 0], min_value=i[2], min_point=i[1]))

Answer 2

Чтобы создать функцию TensorFlow из функции numpy, вы должны использовать tf.py_func:

Оборачивает функцию Python и использует ее как опцию TensorFlow.

Из API TensorFlow:

def my_func(x):
  # x will be a numpy array with the contents of the placeholder below
  return np.sinh(x)
inp = tf.placeholder(tf.float32)
y = tf.py_func(my_func, [inp], tf.float32)