Question

假设在普通的python中，我有两个列表：A = [1, 2, 3]和B = [4, 5, 6]。现在，我可以创建一个名为C = [4, 5, 6, 8, 10, 12, 12, 15, 18]的新列表。我可以通过

轻松获得此结果

C = list()
for a in A:
    for b in B:
        C.append(a * b)

如果A和B是tensorflow中的张量，那么如上所述，有什么方法可以得到张量C吗？

Answer 1

这里有两个选项：

设置：

A = tf.constant([1, 2, 3])
B = tf.constant([4, 5, 6])
tf.InteractiveSession()

1）通过广播-

tf.reshape(tf.reshape(A, (-1,1)) * B, (-1,)).eval()
# array([ 4,  5,  6,  8, 10, 12, 12, 15, 18], dtype=int32)

# reshape A to 2d array
tf.reshape(A, (-1,1)).eval()

#array([[1],
#       [2],
#       [3]], dtype=int32)

# multiply with B
(tf.reshape(A, (-1,1)) * B).eval()

#array([[ 4,  5,  6],
#       [ 8, 10, 12],
#       [12, 15, 18]], dtype=int32)

平移上面的张量可以满足您的需求。

2）使用einsum-

tf.reshape(tf.einsum('i,j->ij', A, B), (-1,)).eval()
# array([ 4,  5,  6,  8, 10, 12, 12, 15, 18], dtype=int32)

# use einsum to calculate the outer product

tf.einsum('i,j->ij', A, B).eval()
#array([[ 4,  5,  6],
#       [ 8, 10, 12],
#       [12, 15, 18]], dtype=int32)

Answer 2

这是另一个示例，该示例使用tf.map_fn()巧妙地在Tensor上迭代，并使用tf.stack()将列表元素转换回Tensor。

A = tf.constant([1, 2, 3])
B = tf.constant([4, 5, 6])

with tf.Session() as sess:
    tf.global_variables_initializer().run()

    C = list()
    for a in tf.map_fn(lambda x: x, A).eval():
        for b in tf.map_fn(lambda x: x, B).eval():
            C.append(a * b)
    C = tf.stack(C)

    print(C.eval())

'Output':
[ 4  5  6  8 10 12 12 15 18]

通过循环操作两个张量

2 个答案: