如何在张量流中放大张量（重复值）？

Question

我是TensorFlow的新手。我正在尝试在本文https://arxiv.org/abs/1506.04579中实现global_context提取，这实际上是对整个要素图的平均合并，然后将1x1要素图复制回原始大小。插图如下

具体而言，预期的操作如下。 输入：[N，1,1，C]张量，其中N是批量大小，C是通道数 输出：[N，H，W，C]张量，其中H，W是原始特征映射的高度和宽度，输出的所有H * W值与1x1输入相同。

例如，

    [[1, 1, 1]
1 -> [1, 1, 1]
     [1, 1, 1]]

我不知道如何使用TensorFlow执行此操作。 tf.image.resize_images需要3个通道，而tf.pad不能填充零以外的常量值。

Answer 1

tf.tile可以帮助您

x = tf.constant([[1, 2, 3]]) # shape (1, 3)
y = tf.tile(x, [3, 1]) # shape (3, 3)
y_ = tf.tile(x, [3, 2]) # shape (3, 6)

with tf.Session() as sess:
    a, b, c = sess.run([x, y, y_])

>>>a
array([[1, 2, 3]], dtype=int32)
>>>b
array([[1, 2, 3],
       [1, 2, 3],
       [1, 2, 3]], dtype=int32)
>>>c
array([[1, 2, 3, 1, 2, 3],
       [1, 2, 3, 1, 2, 3],
       [1, 2, 3, 1, 2, 3]], dtype=int32)

tf.tile(input, multiples, name=None)
multiples表示您想在此轴上重复多少次 在y重复轴0 3次 在y_重复axis0 3次，axis1 2次

您可能需要先使用tf.expand_dim

是的，它接受动态形状

x = tf.placeholder(dtype=tf.float32, shape=[None, 4])
x_shape = tf.shape(x)
y = tf.tile(x, [3 * x_shape[0], 1])

with tf.Session() as sess:
    x_ = np.array([[1, 2, 3, 4]])
    a = sess.run(y, feed_dict={x:x_})
>>>a
array([[ 1.,  2.,  3.,  4.],
       [ 1.,  2.,  3.,  4.],
       [ 1.,  2.,  3.,  4.]], dtype=float32)