在tensorflow中添加两个张量为一维的张量

时间:2017-03-21 17:39:07

标签: python tensorflow

hallo我是tensorflow的新手,我正在尝试添加两个尺寸为一维的张量,实际上当我打印出来时没有添加任何东西,例如:

num_classes = 11

v1 = tf.Variable(tf.constant(1.0, shape=[num_classes]))
v2 = tf.Variable(tf.constant(1.0, shape=[1]))

result = tf.add(v1 ,  v2)

这是我打印出来时的输出

result Tensor("Add:0", shape=(11,), dtype=float32)

所以结果仍然是11而不是12.我的方法是错的还是有另一种方法来添加它们。

2 个答案:

答案 0 :(得分:2)

从此处的文档:https://www.tensorflow.org/api_docs/python/tf/add

tf.add(x,y,name = None)

Returns x + y element-wise.
NOTE: Add supports broadcasting.

这意味着您调用的add函数将迭代v1中的每一行并在其上广播v2。它不会按预期附加列表,而是可能发生的事情是v2的值将添加到v1的每一行。

所以Tensorflow正在这样做:

sess = tf.Session()
c1 = tf.constant(1.0, shape=[1])
c2 = tf.constant(1.0, shape=[11])
result = (tf.add(c1, c2))
output = sess.run(result)
print(output) # [ 2.  2.  2.  2.  2.  2.  2.  2.  2.  2.  2.]

如果你想要一个12号形状的输出你应该使用concat。 https://www.tensorflow.org/api_docs/python/tf/concat

sess = tf.Session()
c1 = tf.constant(1.0, shape=[1])
c2 = tf.constant(1.0, shape=[11])
result = (tf.concat([c1, c2], axis=0))
output = sess.run(result)
print(output) # [ 1.  1.  1.  1.  1.  1.  1.  1.  1.  1.  1.  1.]

答案 1 :(得分:0)

听起来你可能想要连接这两个张量,所以tf.concat() op可能是你想要使用的:

num_classes = 11
v1 = tf.Variable(tf.constant(1.0, shape=[num_classes]))
v2 = tf.Variable(tf.constant(1.0, shape=[1]))

result = tf.concat([v1, v2], axis=0)

result张量的形状为[12](即包含12个元素的向量)。