Question

您好，我是TensorFlow的新手，我想将2D张量连接到3D张量。我不知道如何通过利用TensorFlow函数来做到这一点。

tensor_3d = [[[1,2], [3,4]], [[5,6], [7,8]]]  # shape (2, 2, 2)
tensor_2d = [[10,11], [12,13]]                # shape (2, 2)

out: [[[1,2,10,11], [3,4,10,11]], [[5,6,12,13], [7,8,12,13]]]  # shape (2, 2, 4)

我将通过使用循环和新的numpy数组使其工作，但是那样我就不会使用TensorFlow转换。关于如何使其成为可能的任何建议？我看不到像tf.expand_dims或tf.reshape这样的转换在这里可能有帮助...

感谢您分享知识。

Answer 1

这应该可以解决问题：

import tensorflow as tf

a = tf.constant([[[1,2], [3,4]], [[5,6], [7,8]]]) 
b = tf.constant([[10,11], [12,13]])

c = tf.expand_dims(b, axis=1) # Add dimension
d = tf.tile(c, multiples=[1,2,1]) # Duplicate in this dimension
e = tf.concat([a,d], axis=-1) # Concatenate on innermost dimension

with tf.Session() as sess:
    print(e.eval())

礼物：

[[[ 1  2 10 11]
[ 3  4 10 11]]

[[ 5  6 12 13]
[ 7  8 12 13]]]

Answer 2

实际上有一个不同的技巧，有时会在诸如OpenAI基准之类的代码库中使用。

假设您的高斯策略有两个张量。 mu和std。对于批次大小1，标准偏差的形状与mu相同，但是由于对所有操作都使用相同的参数化标准偏差，因此当批次大小大于1时，两者将有所不同：

mu : Size<batch_size, feat_n>
std: Size<1, feat_n>

在这种情况下，要做的一件简单的事情（就像OpenAI基线所做的那样）：

params = tf.concat([mu, mu * 0 + std])

零乘法将std转换为与mu相同的等级。

享受，祝你好运！

ps：numpy和tensorflow的{{1}}运算符不会自动应用广播，因为根据维护者的说法，当两个张量的形状不匹配时，通常是编程错误的结果。在numpy中这没什么大不了的，因为计算很热心。但是使用tensorflow，这意味着您必须使用concat运算符来手动广播较低级别（或形状为[1，* _]的级别）。

如何使用TensorFlow连接具有不同形状的两个张量？

2 个答案: