Python 广播和连接不规则张量

我有一个参差不齐的维度张量

[批量大小、时间步长、嵌入尺寸]

。我想用另一个形状张量的数据来扩充最后一个轴

[批量大小，大小]

。给定示例的每个时间步都会增加相同的值

如果每个例子中的张量都没有变化的

时间步长

，我可以简单地用

tf重塑第二个张量。重复
，然后使用
tf.concat
：

将tensorflow导入为tf
#创建数据
#形状：[批量大小、时间步数、嵌入尺寸]
emb=tf.常数（[[1,2,3]，[4,5,6]，[[1,2,3]，[0,0,0]]
#形状：[批量大小，1，8月尺寸]
aug=tf.常数（[[8]]，[[9]]）
#海螺
aug=tf.重复（aug，emb.形状[1]，轴=1）
emb_aug=tf.concat（[emb，aug]，axis=-1）

当
emb
参差不齐时，这种方法不起作用，因为
emb.shape[1]
是未知的，并且在不同的示例中有所不同：

# rag and remove padding
emb = tf.RaggedTensor.from_tensor(emb, padding=(0, 0, 0))

# reshape for augmentation - this doesn't work
aug = tf.repeat(aug, emb.shape[1], axis=1)

ValueError：尝试将不支持类型（）的值（无）转换为张量

目标是创建一个参差不齐的张量
emb_aug
，如下所示：

<tf.RaggedTensor [[[1, 2, 3, 8], [4, 5, 6, 8]], [[1, 2, 3 ,9]]]>



有什么想法吗？
最简单的方法是使用将不规则张量变成正则张量，然后完成其余的解。我假设你需要张量保持不规则。关键是在你的不规则张量中找到每一批的数量，然后使用这些信息使你的增广张量不规则

示例：

将tensorflow导入为tf
#资料
emb=tf.常数（[[1,2,3]，[4,5,6]，[[1,2,3]，[0,0,0]]
aug=tf.常数（[[8]]，[[9]]）
#使嵌入件参差不齐以进行测试
emb_r=tf.RaggedTensor.from_张量（emb，padding=（0,0,0））
打印（emb_r.形状）
#（2、无、3）

这里我们将使用
行长度的组合
并创建一个新的参差不齐张量

#查找嵌入的行长度
rl=emb\u r.行长度（）
打印（rl）
#tf.张量（[21]，shape=（2，），dtype=int64）
#查找最大行长度
max_rl=tf.math.reduce_max（rl）
打印（最大）
#tf.张量（2，shape=（），dtype=int64）
#重复增加的数据“max_rl”多次
8月t=tf.重复（8月，重复次数=max\u rl，轴=1）
打印（八月）
#tf张量(
# [[[8]
#   [8]]
# 
#  [[9]
#[9]]]，shape=（2,2,1），dtype=int32）
#创建一个掩码
msk=tf.序列屏蔽（rl）
打印（msk）
#tf张量(
#[[真的]
#[True-False]]，shape=（2,2），dtype=bool）

从这里，我们可以使用它使增强的数据参差不齐

#使扩充数据成为参差不齐的张量
aug\u r=tf.不规则布尔掩码（aug\u t，msk）
印刷品（八月）
# 
#连接！
输出=tf.concat（[emb\u r，aug\u r]，2）
打印（输出）
# 

您可以找到支持不规则张量的tensorflow方法列表
祝贺您，您的问题获得了我的第600票！：D