R Keras:创建更高级别的张量来应用reduce_mean()

Question

我想在我创建并存储在list()中的张量列表中使用tf$reduce_mean()。如何获得一个张量列表，并制作一个更高阶的张量，将这些单独的张量作为新张量axis=0位置的条目？我认为在Python中，您可以使用列表并使用np.newaxis来实现这一点(tf$newaxis(。

我想更大的问题是：当Python中的TensorFlow将列表传递给它的函数时，比如：

tf.concat([a, b, c], 0)

R Keras中的平行结构是什么？正如你将在下面看到的，包装list()不适用于我尝试的方式

以下是我如何使用array()和apply():在基本R中做一个简单的例子

## reduce_mean() behavior I want -- mean across the matrix elements:
a <- matrix(1:4)
b <- matrix(5:8)
c <- matrix(9:12)
## How to do this in base R
(abc <- array(c(a, b, c), dim = c(2, 2, 3)))
#> , , 1
#> 
#>      [,1] [,2]
#> [1,]    1    3
#> [2,]    2    4
#> 
#> , , 2
#> 
#>      [,1] [,2]
#> [1,]    5    7
#> [2,]    6    8
#> 
#> , , 3
#> 
#>      [,1] [,2]
#> [1,]    9   11
#> [2,]   10   12
apply(abc, MARGIN = c(1,2), FUN = mean)
#>      [,1] [,2]
#> [1,]    5    7
#> [2,]    6    8

^{由reprex包于2020-04-14创建(v0.3.0(}

关于TensorFlow中应该是什么样子的猜测：

library(tensorflow)
a <- tf$constant(array(1:4, dim=c(2,2)))
b <- tf$constant(array(5:8, dim=c(2,2)))
c <- tf$constant(array(9:12, dim=c(2,2)))

## Does not work
abc <- list(a, b, c)
# tf$reduce_mean(abc, axis=0)

Answer 1

您可以使用tf$stack:

a <- tf$constant(array(1:4, dim=c(2,2)))
b <- tf$constant(array(5:8, dim=c(2,2)))
c <- tf$constant(array(9:12, dim=c(2,2)))
abc <- tf$stack(list(a, b, c), axis=0L)
#> tf.Tensor(
#> [[[ 1  3]
#>   [ 2  4]]
#> 
#>  [[ 5  7]
#>   [ 6  8]]
#> 
#>  [[ 9 11]
#>   [10 12]]], shape=(3, 2, 2), dtype=int32)
tf$reduce_mean(abc, axis=0L)
#> tf.Tensor(
#> [[5 7]
#>  [6 8]], shape=(2, 2), dtype=int32)

注意：不要忘记将L放在轴号后面，将其转换为整数。