组合任意形状的张量

Question

我想合并两个可变长度张量。

由于它们的形状不匹配，我不能使用tf.concat或tf.stack.

所以我想我应该把其中一个压平，然后把它附加到另一个的每个元素上——但我不知道怎么做。

例如，

a = [ [1,2], [3,4] ]
flat_b = [5, 6]
combine(a, flat_b) would be [ [ [1,5,6], [2,5,6] ],
[ [3,5,6], [4,5,6] ] ]

有这样的方法吗？

Answer 1

使用tf.map_fn和tf.concat，示例代码：

import tensorflow as tf
a = tf.constant([ [1,2], [3,4] ])
flat_b = [5, 6]
flat_a = tf.reshape(a, (tf.reduce_prod(a.shape).numpy(), ))[:, tf.newaxis]
print(flat_a)
c = tf.map_fn(fn=lambda t: tf.concat([t, flat_b], axis=0), elems=flat_a)
c = tf.reshape(c, (-1, a.shape[1], c.shape[1]))
print(c)

输出：

tf.Tensor(
[[1]
[2]
[3]
[4]], shape=(4, 1), dtype=int32)
tf.Tensor(
[[[1 5 6]
[2 5 6]]
[[3 5 6]
[4 5 6]]], shape=(2, 2, 3), dtype=int32)

Answer 2

这是前面答案的一个简单版本。与其多次整形，我更喜欢使用tf.expand_dims和tf.stack。后者添加了一个维度，从而减少了对tf.reshape的一次调用，这可能会令人困惑。

import tensorflow as tf
a = tf.constant([[1,2], [3,4]])
b = [5, 6]
flat_a = tf.reshape(a, [-1]) 
c = tf.map_fn(lambda x: tf.concat([[x], b], axis=0), flat_a)
c = tf.stack(tf.split(c, num_or_size_splits=len(a)), axis=0)

<tf.Tensor: shape=(2, 2, 3), dtype=int32, numpy=
array([[[1, 5, 6],
[2, 5, 6]],
[[3, 5, 6],
[4, 5, 6]]])>

Answer 3

您可以遍历元素。在列表形式中，你会做一些类似out[i][j]=[a[i][j]]+flat_b的事情，从out变成与a相同的形状开始。这得到了你想要的形式。我不确定tensorflow库中是否存在这种元素串联。