Question

我有两个张量，一个是形状[无，20,2]，另一个是形状[无，1]。我想以锁步方式对每个子张量进行操作，以产生一个值，这样我最终会得到一个形状的张量[无，1]。

在python的土地上，我会压缩这两个，并迭代结果。

所以，为了清楚起见，我想编写一个函数，它采用[20,2]形张量和[1]形张量，并产生[1]形张量，然后应用此函数用于[无，20,2]和[无，1]张量，以产生[无，1]张量。

希望我表达得足够好;更高的维度有时让我头晕目眩。

Answer 1

这对我有用（TensorFlow版本1.4.0）

tf.reset_default_graph()
sess = tf.Session()

# Define placeholders with undefined first dimension.
a = tf.placeholder(dtype=tf.float32, shape=[None, 3, 4])
b = tf.placeholder(dtype=tf.float32, shape=[None, 1])

# Create some input data.
a_input = np.arange(24).reshape(2, 3, 4)
b_input = np.arange(2).reshape(2, 1)

# TensorFlow map function.
def f_tf(x):
    return tf.reduce_sum(x[0]) + tf.reduce_sum(x[1])
# Numpy map function (for validation of results).
def f_numpy(x):
    return np.sum(x[0]) + np.sum(x[1])

# Run TensorFlow function.
s = tf.map_fn(f, [a, b], dtype=tf.float32)
sess.run(s, feed_dict={a: a_input, b: b_input})

array（[66。，211。]，dtype = float32）

# Run Numpy function. 
for inp in zip(a_input, b_input):
    print(f_numpy(inp))

66 211

当尺寸不匹配时，如何在张量流中压缩张量

1 个答案: