我很抱歉，但我已经搜索了很长时间，但我找不到答案。我正在寻找Tensorflow函数，它在另一个方向上重复秩1 Tensor以生成秩2张量。 原因是我有两个1级张量，我想计算张量的每个元素之间的差异。
感谢您的帮助，
P
答案 0 :(得分：0)
首先重复1-D张量，您可以使用tf.tile
所以例如，如果你希望形状[n]的形状[n，m]的形状，你可以按如下方式使用它：
output = tf.tile(tf.expand_dims(input, axis=1), [1, m])
tf.expand_dims将添加大小为1的新维度，因此形状将从[n]更改为[n，1]，然后tf.tile将重复[1，m]时间，因此形状将变为[n * 1,1 * m] = [n，m]
或者如果您希望输出形状为[m，n]，您可以这样做：
output = tf.tile(tf.expand_dims(input, axis=0), [m, 1])
但我想补充一点来计算两个一维张量中所有元素之间的差异，你不需要重复它们，你可以像这样使用广播：
output = tf.expand_dims(input1, axis=1) - input2
因此如果input1的形状为[n]而input2的形状为[m]，则tf.expand_dims会为input1添加尺寸，因此它会成形[n，1]并且在减法期间，Tensorflow将尝试使用广播匹配它们的形状。由于第二个操作数（input2）的等级小于第一个操作数（扩展的input1）的等级，所以它将在第二个操作数的形状前面加1，直到它匹配为止第一个操作数的等级，因此操作数的形状将是[n，1]和[1，m]。然后在减法期间，将广播尺寸1的尺寸，就好像它们与另一个操作数中的相应尺寸尺寸匹配一样。因此结果将被塑造为[n，m]。这就是为什么在Tensorflow中[1,2,3] +1类似于[1,2,3] + [1,1,1]，它们都给出[2,3,4]作为输出。
此解决方案具有更高的内存效率，因为在减法之前不会进行真正的重复，广播会隐式处理形状不匹配。
答案 1 :(得分：0)
有几种API可以解决此问题：
tf.repeat：tf.repeat（输入，重复，轴=无，名称=无）。可以在tf 1.15之后使用该API
tf.keras.backend.repeat_elements：tf.keras.backend.repeat_elements（x，表示，轴）。 “ rep”应该是Python整数，而不是Tensor。