Numpy 在Tensorflow中执行此基于切片的乘法的最有效方法

我试图执行一个二维矩阵的切片乘以常数的运算

例如，如果我想将前两列以外的所有列相乘

要在numpy中执行此操作，可以执行以下操作：

a = np.array([[0,7,4],
              [1,6,4],
              [0,2,4],
              [4,2,7]])
a[:, 2:] = 2.0*a[:, 2:]

>> a
>> array([[ 0,  7,  8],
          [ 1,  6,  8],
          [ 0,  2,  8],
          [ 4,  2, 14]])

然而，至少从我的搜索结果来看，tensorflow目前没有一种简单的方法来实现这一点

我目前的解决方案是将a最初创建为两个独立的张量a1和a2，将第二个张量乘以2.0，然后将它们连接到轴=1上。操作非常简单，这是可能的。不过，我有两个问题

这是最有效的方法吗

有没有更好（通用/高效）的方法来实现这一点，从而使功能更接近numpy的切片魔法（也许

---

一个选项是执行入口乘法，如下所示：

import tensorflow as tf

a = tf.Variable(initial_value=[[0,7,4],[1,6,4],[0,2,4],[4,2,7]])
b = tf.mul(a,[1,1,2])

s=tf.InteractiveSession()
s.run(tf.global_variables_initializer())
b.eval()

这张照片

array([[ 0,  7,  8],
       [ 1,  6,  8],
       [ 0,  2,  8],
       [ 4,  2, 14]])

更一般地说，如果

a

有更多的列，您可以这样做：

import tensorflow as tf

a = tf.Variable(initial_value=[[0,7,4],[1,6,4],[0,2,4],[4,2,7]])
b = tf.mul(a,[1,1]+[2 for i in range(a.get_shape()[1]-2)])

s=tf.InteractiveSession()
s.run(tf.global_variables_initializer())
b.eval()

或者，如果矩阵中有许多列，则可以替换

b = tf.mul(a,[1,1]+[2 for i in range(a.get_shape()[1]-2)])

与

---

嘿，米里亚姆，谢谢你的选择。你如何将其推广到一个可变的第二维度？例如，如果a.shape=（N，D）。你需要定义[1,1,2,2,2,2……2]@miriamfaber谢谢你的更新！它看起来不错（虽然tf.mul是tf.matmul）我想知道你为什么用numpy来表示常量数组而不是tensorflowequivalents@undercurrent你也可以使用tf.ones，我只是忘记了它的存在。请注意，tf.matmul和tf.mul是不同的。前者是通常的矩阵乘法，而后者是一个entrywise乘积。在我的回答中，我使用了la谢谢你的澄清。re:matmul（哦！）我本想写tf.multiply（）

import numpy as np
b = tf.mul(a,np.concatenate((np.array([1,1]),2*np.ones(a.get_shape()[1]-2))))