Question

说v1和v2具有相同的形状。在tensorflow中是否可以使用广播语义连接v1和v2的转置版本？

例如，

v1 = tf.constant([[1,1,1,1],[3,3,3,3],[5,5,5,5]])
v2 = tf.constant([[2,2,2,2],[4,4,4,4]])

我想制作像

这样的东西

[
 [[[1,1,1,1], [2,2,2,2]],
  [[1,1,1,1], [4,4,4,4]]],
 [[[3,3,3,3], [2,2,2,2]],
  [[3,3,3,3], [4,4,4,4]]],
 [[[5,5,5,5], [2,2,2,2]],
  [[5,5,5,5], [4,4,4,4]]]]

即v1为[3, 4]而v2为[2,4]，我想做

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

并生成[3,2,2,4]矩阵。

这样做有什么诀窍吗？

Answer 1

如果你的意思是一个优雅的解决方案，我不这么认为。但是，一个可行的解决方案是平铺并重复传入的v1，v2

import tensorflow as tf

v1 = tf.constant([[1, 1, 1, 1],
                  [3, 3, 3, 3],
                  [7, 7, 7, 7],
                  [5, 5, 5, 5]])
v2 = tf.constant([[2, 2, 2, 2],
                  [6, 6, 6, 6],
                  [4, 4, 4, 4]])


def my_concat(v1, v2):
    v1_m, v1_n = v1.shape.as_list()
    v2_m, v2_n = v2.shape.as_list()

    v1 = tf.concat([v1 for i in range(v2_m)], axis=-1)
    v1 = tf.reshape(v1, [v2_m * v1_m, -1])

    v2 = tf.tile(v2, [v1_m, 1])
    v1v2 = tf.concat([v1, v2], axis=-1)

    return tf.reshape(v1v2, [v1_m, v2_m, 2, v2_n])


with tf.Session() as sess:
    ret = sess.run(my_concat(v1, v2))

    print ret.shape
    print ret

Answer 2

这是我尝试为此笛卡尔积问题添加两个更优雅的解决方案，如下所示（均经过测试）;第一个使用tf.map_fn()：

import tensorflow as tf

v1 = tf.constant([[1, 1, 1, 1],
                  [3, 3, 3, 3],
                  [5, 5, 5, 5]])
v2 = tf.constant([[2, 2, 2, 2],
                  [4, 4, 4, 4]])

cartesian_product = tf.map_fn( lambda x: tf.map_fn( lambda y: tf.stack( [ x, y ] ), v2 ), v1 )

with tf.Session() as sess:
    print( sess.run( cartesian_product ) )

或者这个利用add的隐式广播：

import tensorflow as tf

v1 = tf.constant([[1, 1, 1, 1],
                  [3, 3, 3, 3],
                  [5, 5, 5, 5]])
v2 = tf.constant([[2, 2, 2, 2],
                  [4, 4, 4, 4]])

v1, v2 = v1[ :, None, None, : ], v2[ None, :, None, : ]
cartesian_product = tf.concat( [ v1 + tf.zeros_like( v2 ),
                                 tf.zeros_like( v1 ) + v2 ], axis = 2 )

with tf.Session() as sess:
    print( sess.run( cartesian_product ) )

两个输出：

[[[1 1 1 1]
    [2 2 2 2]]

[[1 1 1 1]
    [4 4 4 4]]]

[[[3 3 3 3]
    [2 2 2 2]]

[[3 3 3 3]
    [4 4 4 4]]]

[[[5 5 5 5]
    [2 2 2 2]]

[[5 5 5 5]
    [4 4 4 4]]]]

根据需要。

tensorflow使用广播语义进行转置

2 个答案: