TF-Coder，一个为您编写棘手的TensorFlow表达式的工具

与直接编写张量操作代码不同，如果您只需通过一个说明性示例进行演示并自动获得相应的代码，会怎么样？TensorFlow Coder(TF-Coder)使这成为可能！TF-Coder是一个程序合成工具，可以帮助您编写TensorFlow代码。首先，该工具要求提供所需张量变换的输入-输出示例。然后，它运行组合搜索以查找执行该转换的TensorFlow表达式。TF-Coder的输出是可以包含在项目中的实际TensorFlow代码。下面一分钟的视频介绍了TF-Coder，此Colab笔记本允许您使用TF-Coder工具解决您自己的张量操作问题。在这篇博客文章中，我们将说明TF-Coder可以帮助您编写TensorFlow代码的各种场景。假设您想要以广播的方式将一个M元向量与一个N元向量相加，以产生一个包含所有成对和的M×N矩阵。您可以提供一个输入-输出示例(使用M=3和N=4)，而不是深入研究TensorFlow文档来找出如何做到这一点：输入张量，作为将输入变量名称映射到示例张量值的DCT：所需的输出张量，与提供的输入张量相对应：给定此信息(默认情况下已经输入到TF-Coder Colab中)，TF-Coder工具将在不到几秒的时间内自动找到适当的TensorFlow代码：上面的问题非常简单。TF-Coder对于较难的问题也很有用，我们将在下面看到。让我们假设您正在使用一个数字特征，比如商品的价格。您数据集中的价格范围很广，例如，从10美元以下到1000美元以上。如果将这些价格直接用作功能，则您的模型可能会过度适应培训数据中的特定价格，并且在评估过程中也可能难以应对异常价格。要处理这些问题，您可能需要使用分组法将数字价格转换为分类特征。例如，使用桶边界[10，50,100,1000]意味着10美元以下的价格应该属于桶0，10美元到50美元之间的价格属于桶1，依此类推。选择桶边界后，如何使用TensorFlow将数字价格实际映射到桶索引？例如，给定以下桶边界和项目价格：#输入张量边界=[10，50,100,1000]价格=[15，3，50，90,100,1001]。

您需要计算每个项目的存储桶号：虽然TensorFlow附带了各种分组操作，但可能很难找出哪个特定操作执行这种精确的分组。由于TF-Coder可以根据行为识别数百个张量运算，因此您可以通过提供输入输出示例来查找正确的操作：#input-output exampleinput={'；aries'；：[10，50,100,1000]，'；Price'；：[15，3，50，90,100,1001]，}output=[1，0，2，2，3，4]。

在几秒钟内，TF-Coder输出以下解决方案：这给了我们一个有用的提示，tf.searchsorted的文档确认此代码确实执行了所需的分组。现在让我们考虑另一个问题：计算一个0-1张量，它标识输入张量每行的最大元素。#输入张量值=[[0.7，0.2，0.1]，[0.4，0.5，0.1]，[0.4，0.4，0.2]，[0.3，0.4，0.3]，[0.0，0.0，1.0]]#输出张量TOP_SCORTS=[[1，0，0]，[0，1，0]，[1，0，0]，[0，1，0]，[0，0，1]]。

请注意，如果相同的最大元素在一行内多次出现(例如在第三行分数中)，则应该只标记第一个这样的最大元素，以便top_score的每一行都恰好有一个条目1。与最后一个问题不同，没有单个TensorFlow函数来执行此计算。如果您在文档中搜索“max”，您可能会发现tf.duce_max、tf.argmax和tf.max是相关的，但是您应该使用哪一个呢？Tf.duce_max产生[0.7，0.5，0.4，0.4，1.0]，tf.argmax产生[0，1，0，1，2]，tf.max不正确，因为它有两个参数。所有这些看起来都不接近我们想要的输出。TF-Coder可以帮助解决这样棘手的问题。您可以将问题写成输入-输出示例的形式：#输入-输出示例输入={'；分数'；：[[0.7，0.2，0.1]，[0.4，0.5，0.1]，[0.4，0.4，0.2]，[0.3，0.4，0.3]，[0.0，0.0，1.0]]，}output=[[1，0，0]，[0，1，0]，[1，0，0]，[0，0，1]]。

TF-Coder使用tf.one_hot和tf.argmax的组合来解决这个问题：通过对TensorFlow操作组合的详细搜索，TF-Coder经常会找到这样的优秀解决方案，这可能会简化和加快您的TensorFlow程序。考虑通过将每行除以该行的总和，将整数计数列表规范化为概率分布。例如：