采用可变输入张量列表的自定义Tensorflow操作

Question

<>我试图在C++中编程一个自定义的TysFooFrm操作。此操作应将张量列表作为输入并修改其内容。我想使用Assign操作的示例，它在Tensorflow代码中注册如下：

REGISTER_OP("Assign")
    .Input("ref: Ref(T)")
    .Input("value: T")
    .Output("output_ref: Ref(T)")
    .Attr("T: type")
    ...

作为参考，赋值操作（ref）的input(0)是要赋值的张量，input(1)（value）是它的新值。输出张量（output_ref）只是对传播的input(0)的引用。你知道吗

在其定义中，Assign操作还有以下代码来检查第一个输入是否是可变张量：

OP_REQUIRES(context, IsRefType(context->input_type(0)),
errors::InvalidArgument("lhs input needs to be a ref type"));

与赋值操作相反，我的自定义操作应该采用可变张量列表（而不是单个张量），这些张量的内容将由该操作修改。你知道吗

我尝试通过以下方式注册我的操作：

REGISTER_OP("MyCustomOperation")
    .Input("refs: list(Ref(T))")
    .Attr("T: type")
    ...

但在加载库时，Tensorflow会给我以下错误：

tensorflow.python.framework.errors_impl.InvalidArgumentError: Reference to unknown attr 'list' from Input("refs: list(Ref(T))") for Op MyCustomOperation

我还尝试了refs: list(T)属性T: Ref(type)，但这也不起作用（Tensorflow打印错误Trouble parsing type string at 'Ref(type)' from Attr("T: Ref(type)")）。你知道吗

所以我换成了以下的注册方式：

REGISTER_OP("MyCustomOperation")
    .Input("refs: list(Ref(T))")
    .Attr("T: type")
    ...

但是，有了这个定义，IsRefType断言就失败了。注意，我在Python级别传递了一个tf.RefVariable列表，我假设它是可变的。你知道吗

如何使我的操作正确地期望可变张量的列表？你知道吗

Answer 1

经过一些调查，我发现了一个这样做的例子。下面是传递可变张量列表的解决方案：

REGISTER_OP("MyCustomOperation")
    .Input("refs: Ref(N * T)")
    .Attr("T: type")
    .Attr("N: int")
    ...