我有一个矩阵
A = [[ 1. 2. 3.]
[ 4. 5. 6.]]
和矢量
b = [ 5. 10. 15.]
我想将A（A[:,i]）的每一列添加到b[i]，即
[[ 6. 12. 18.]
[ 9. 15. 21.]]
一个简单的方法就是
A = tf.constant([[1., 2, 3],[1, 2, 3]])
b = tf.constant([[5, 10, 15.]])
e = tf.ones((2,1))
a + tf.matmul( e, b ) # outer product "repmat"
但这样做似乎非常浪费，必须构建一个我们最终会抛出的整个辅助矩阵。如果不编写自己的操作，是否有一种更为自觉的方式？
答案 0 :(得分：1)
如前所述，您可以A + b：
import tensorflow as tf
tf.InteractiveSession()
A = tf.constant([[1., 2, 3], [4, 5, 6]])
b = tf.constant([[5, 10, 15.]])
(A + b).eval()
返回：
array([[ 6., 12., 18.],
[ 9., 15., 21.]], dtype=float32)
这可行的原因是阵列广播。 Numpy broadcasting page有很好的信息和张量流广播的工作方式相同。基本上对于每个维度（从尾随维度移动到前导维度），tensorflow / numpy尝试检查维度是否兼容（要么它们具有相同数量的元素，要么其中一个只有1个元素）。
在您的情况下，A的形状为[2, 3]，而b的形状为[1, 3]。第二个维度匹配，但因为b的第一个维度只有一个元素，b的元素是＆＃34;广播＆＃34;沿A的第一维（两个元素）。