如何使用tf.while_loop进行嵌套的FOR循环

Question

我正在研究使用tensorflow实现的模型。 一切都进行得很顺利，直到我必须实现一个嵌套函数（类似）



使用嵌套的FOR循环。 例如如下所示：

for k in range(n):
    Gk = tf.convert_to_tensor(G[k], dtype=self.dtype)
    Gk = tf.tile(tf.expand_dims(Gk,0),[tf.shape(trueX)[0],1])

    for j in range(m):
        pre_Y  = self.build_nn( Gk, 200, '{}phi2'.format(j), tf.AUTO_REUSE )
        log_pred_Y = tf.layers.dense( pre_Y, 2, name='{}phi2y'.format(j), reuse=tf.AUTO_REUSE )   
        pred_Y = tf.exp( log_pred_Y )
        ...........
        pre_cost += tf.multiply( ll, pred_Y )
    _cost += tf.reduce_sum(tf.multiply( pre_cost, pre_G), -1)

显然这是一个非常糟糕的主意，因为它不仅需要时间，而且会占用大量内存。 几天来，我一直在尝试使用tf.while_loop重新实现，据我所知应该比使用本机python循环更好。 我一直在尝试实现嵌套的tf.while_loop，但无济于事。 我有两个问题：

1. 使用嵌套的tf.while_loop是一个好主意吗？ （即在另一个tf.while_loop中捕获嵌套的FOR循环的计算）。 如果不是，是否可以使用tf.while_loop捕获嵌套的FOR循环的计算？
2. 当需要在每个循环中使用不同的密集层时，如何使用tf.while_loop？ 例如，在我的情况下，我有：

---

pre_Y  = self.build_nn( Gk, 200, '{}phi2'.format(j), tf.AUTO_REUSE ) 
log_pred_Y = tf.layers.dense( pre_Y, 2, name='{}phi2y'.format(j), reuse=tf.AUTO_REUSE )

它使用名称中的索引来标识每个循环中要使用的图层。 使用python FOR循环，我使用索引为该层分配名称以供重用，但使用tf.while_loop，我找不到任何方法将唯一名称分配给密集层，因为我无法传递python据我了解，要在“名称”选项中使用的tf.while_loop字符串或整数。

Answer 1

Re（1）嵌套的tf.while_loop正常工作。

关于（2），tf.while_loop无法完成这种事情，您需要使用python展开循环。