Python 如何替换tensorflow中张量的维数？

假设我有一个形状为（？，5，1，20）的张量

对于最后一个维度的每次出现，我都会在最后一个维度上进行一些计算（得到k max值），从而产生一个较小的张量b。如果我想用b替换原始张量的最后一个维度，我该怎么办

---

我应该走什么（最好是纯张量流）路径？

你在做最后一个维度的计算……如果我理解正确，你想从（？，5，1，20）->（？，5，1，b）开始

什么样的计算

你可以重塑你的张量，进行计算（比如矩阵乘法），然后重塑回来

a = tf.reshape(X, [-1, 20])
a = tf.matmul(a, X)
a = tf.reshape(a, [-1, b])

或者您可以使用

tf.einsum（）

来实现类似的壮举。因为非线性计算取决于你想做什么

编辑：

---

您还可以使用Conv2D和大小为[1,1,20,b]的过滤器对其进行破解。如果我理解正确的话，你想从（？，5，1，20）->（？，5，1，b）开始计算最后一个维度吗

什么样的计算

你可以重塑你的张量，进行计算（比如矩阵乘法），然后重塑回来

a = tf.reshape(X, [-1, 20])
a = tf.matmul(a, X)
a = tf.reshape(a, [-1, b])

或者您可以使用

tf.einsum（）

来实现类似的壮举。因为非线性计算取决于你想做什么

编辑： 您还可以使用Conv2D和大小为[1,1,20,b]的过滤器对其进行破解。做同样的事情，效率更高