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:Numpy 在Tensorflow中执行此基于切片的乘法的最有效方法,numpy,tensorflow,slice,Numpy,Tensorflow,Slice,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],
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
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))))