Matrix 向矩阵的每一列添加一个数字

我有一个矩阵

A = [[  1.  2.  3.]
     [  4.  5.  6.]]

和一个向量

b = [ 5.  10.  15.]

我想将A（

A[：，I]

）的每一列添加到

b[I]

，即

[[  6.  12.  18.]
 [  9.  15.  21.]]

一个简单的方法是

A = tf.constant([[1., 2, 3],[1, 2, 3]])
b = tf.constant([[5, 10, 15.]])
e = tf.ones((2,1))
a + tf.matmul( e, b ) # outer product "repmat"

---

但这样做似乎非常浪费，而且必须构建一个完整的辅助矩阵，我们最终会抛弃它。有没有一种更为自动化的方法来完成这项工作而不必编写我自己的op？

如前所述，您可以执行

a+b

：

import tensorflow as tf
tf.InteractiveSession()
A = tf.constant([[1., 2, 3], [4, 5, 6]])
b = tf.constant([[5, 10, 15.]])
(A + b).eval()

返回：

array([[  6.,  12.,  18.],
       [  9.,  15.,  21.]], dtype=float32)

这样做之所以有效，是因为阵列广播。这个网站有很好的信息，tensorflow广播也以同样的方式工作。基本上，对于每个维度（从尾随维度移动到前导维度），tensorflow/numpy会尝试检查维度是否兼容（要么它们具有相同数量的元素，要么其中一个只有1个元素）

---

在您的情况下，

A

的形状是

[2,3]

，

b

的形状是

[1,3]

。第二维度匹配，但是因为

b

的第一维度只有一个元素，

b

的元素沿着

a

的第一维度（两个元素）被“广播”。

为什么不简单地

a+b

？那就行了，哈哈。感谢用户要关闭此问题，那么您是要删除您的问题，还是要等待解释它为什么有效？我对解释感兴趣：）