python之Tensorflow 滑动窗口转换

我想使用 Tensorflow 对 RNN 应用程序进行滑动窗口转换。

对于大小为 4 的窗口，通过 Tensorflow 简单 reshape ，我们可以转换以下张量:

[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20] 

到:

[[1,2,3,4],[5,6,7,8],[9,10,11,12],[13,14,15,16],[17,18,19,20]] 

但我希望它像下面的张量一样步幅为 1:

[[1,2,3,4],[2,3,4,5],[3,4,5,6],[7,8,9,10],...,[17,18,19,20]] 

通过 Tensorflow 平铺，我可以获得:

[[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20], 
 [1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20], 
 [1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20], 
 [1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20]] 

我认为通过对其进行一些改造，我可以获得我想要的东西。你有什么想法吗？

我生成上述平铺结果​​的代码很简单，如下所示。但是每个元素都是代表瓶颈的一维张量(来自 CNN 的特征向量)，而不是我上面示例中的数字。

model.logits, model.end_points = inception_v3.inception_v3(model.X_Norm, num_classes=nbrOfOutputNeurons, is_training=is_training) 
model.bottleneck = slim.flatten(model.end_points['PreLogits']) # The ouput before FC 
 
x = tf.reshape(model.bottleneck, [1, -1, bottleneck_tensor_size]) 
x = tf.tile(x, [rnn_time_steps, 1, 1]) 

请您参考如下方法:

tf.map_fn 是 map

x = tf.range(1, 21, dtype=tf.int32) 
xm = tf.map_fn(lambda i: x[i:i+4], tf.range(20-4+1), dtype=tf.int32) 
 
with tf.Session() as session: 
  session.run(tf.global_variables_initializer()) 
 
  x, xm = session.run([x, xm]) 
  print(x) 
  print(xm)