Python 通过循环操纵两个张量

假设在普通python中，我有两个列表：

a=[1,2,3]

和

B=[4,5,6]

。现在，我可以创建一个名为

C=[4,5,6,8,10,12,12,15,18]

的新列表。我可以很容易地得到这个结果

C = list()
for a in A:
    for b in B:
        C.append(a * b)

如果

A

和

B

是

tensorflow

中的张量，那么有没有办法像我上面描述的那样获得张量

C

设立：

1） 通过广播-

tf.reshape(tf.reshape(A, (-1,1)) * B, (-1,)).eval()
# array([ 4,  5,  6,  8, 10, 12, 12, 15, 18], dtype=int32)

# reshape A to 2d array
tf.reshape(A, (-1,1)).eval()

#array([[1],
#       [2],
#       [3]], dtype=int32)

# multiply with B
(tf.reshape(A, (-1,1)) * B).eval()

#array([[ 4,  5,  6],
#       [ 8, 10, 12],
#       [12, 15, 18]], dtype=int32)

将上面的张量展平可以得到所需的

2） 使用

einsum

-

tf.reshape(tf.einsum('i,j->ij', A, B), (-1,)).eval()
# array([ 4,  5,  6,  8, 10, 12, 12, 15, 18], dtype=int32)

# use einsum to calculate the outer product

tf.einsum('i,j->ij', A, B).eval()
#array([[ 4,  5,  6],
#       [ 8, 10, 12],
#       [12, 15, 18]], dtype=int32)

这里有两个选项：

设立：

1） 通过广播-

tf.reshape(tf.reshape(A, (-1,1)) * B, (-1,)).eval()
# array([ 4,  5,  6,  8, 10, 12, 12, 15, 18], dtype=int32)

# reshape A to 2d array
tf.reshape(A, (-1,1)).eval()

#array([[1],
#       [2],
#       [3]], dtype=int32)

# multiply with B
(tf.reshape(A, (-1,1)) * B).eval()

#array([[ 4,  5,  6],
#       [ 8, 10, 12],
#       [12, 15, 18]], dtype=int32)

将上面的张量展平可以得到所需的

2） 使用

einsum

-

tf.reshape(tf.einsum('i,j->ij', A, B), (-1,)).eval()
# array([ 4,  5,  6,  8, 10, 12, 12, 15, 18], dtype=int32)

# use einsum to calculate the outer product

tf.einsum('i,j->ij', A, B).eval()
#array([[ 4,  5,  6],
#       [ 8, 10, 12],
#       [12, 15, 18]], dtype=int32)

---

下面是另一个例子，使用

tf.map\u fn（）

巧妙地迭代张量，并使用

tf.stack（）

将列表元素转换回张量

A = tf.constant([1, 2, 3])
B = tf.constant([4, 5, 6])

with tf.Session() as sess:
    tf.global_variables_initializer().run()

    C = list()
    for a in tf.map_fn(lambda x: x, A).eval():
        for b in tf.map_fn(lambda x: x, B).eval():
            C.append(a * b)
    C = tf.stack(C)

    print(C.eval())

'Output':
[ 4  5  6  8 10 12 12 15 18]

---

下面是另一个例子，使用

tf.map\u fn（）

巧妙地迭代张量，并使用

tf.stack（）

将列表元素转换回张量

A = tf.constant([1, 2, 3])
B = tf.constant([4, 5, 6])

with tf.Session() as sess:
    tf.global_variables_initializer().run()

    C = list()
    for a in tf.map_fn(lambda x: x, A).eval():
        for b in tf.map_fn(lambda x: x, B).eval():
            C.append(a * b)
    C = tf.stack(C)

    print(C.eval())

'Output':
[ 4  5  6  8 10 12 12 15 18]

---

你让我开心！你让我开心！