Python R Keras：创建更高阶的张量以应用reduce_mean（）

我想在我创建并存储在

列表（）中的张量列表上使用
tf$reduce\u mean（）
。如何获取一个张量列表，并生成一个更高秩的张量，将这些单独的张量作为新张量的
axis=0
位置的条目？我认为在Python中，可以使用列表并使用
np.newaxis
来实现这一点（
tf$newaxis
）

我想更大的问题是：当Python中的TensorFlow将列表传递给其函数时，例如：

tf.concat（[a，b，c]，0）

R Keras中的平行结构是什么？正如您将在下面看到的，包装
list（）
与我尝试的方式不一样

下面是如何使用
array（）
和
apply（）
在base R中执行一个简单示例：

##reduce#mean（）我想要的行为--矩阵元素的平均值：
a[1，]13
#> [2,]    2    4
#> 
#> , 2
#> 
#>      [,1] [,2]
#> [1,]    5    7
#> [2,]    6    8
#> 
#> , 3
#> 
#>      [,1] [,2]
#> [1,]    9   11
#> [2,]   10   12
应用（abc，边际=c（1,2），乐趣=平均值）
#>      [,1] [,2]
#> [1,]    5    7
#> [2,]    6    8

由（v0.3.0）于2020年4月14日创建

关于接近TensorFlow中应该是什么样子的猜测：

库（tensorflow）
a您可以使用
tf$stack
：

a <- tf$constant(array(1:4, dim=c(2,2)))
b <- tf$constant(array(5:8, dim=c(2,2)))
c <- tf$constant(array(9:12, dim=c(2,2)))

abc <- tf$stack(list(a, b, c), axis=0L)

#> tf.Tensor(
#> [[[ 1  3]
#>   [ 2  4]]
#> 
#>  [[ 5  7]
#>   [ 6  8]]
#> 
#>  [[ 9 11]
#>   [10 12]]], shape=(3, 2, 2), dtype=int32)

tf$reduce_mean(abc, axis=0L)

#> tf.Tensor(
#> [[5 7]
#>  [6 8]], shape=(2, 2), dtype=int32)

a
#>  [[ 5  7]
#>   [ 6  8]]
#> 
#>  [[ 9 11]
#>[10 12]]，shape=（3,2,2），dtype=int32）
tf$reduce_平均值（abc，轴=0L）
#>tf张量(
#> [[5 7]
#>[6 8]]，shape=（2,2），dtype=int32）

注意：不要忘记将
L
放在轴编号后，将其转换为整数。
这正是我需要的答案，谢谢！我认为
tf.concat（）
文档将在tensorflows文档中链接到
tf.stack（）
。这超出了这个问题的范围，但是如何为任何东西构造
tf$concat（）
调用？@mpettis我不确定我是否正确理解了您的问题！但让我试着澄清一下：您需要传递一个张量列表和一个轴编号，例如
tf$concat（list（a，b，c），axis=0L）
。但是，顾名思义，它将连接给定轴上的给定张量，即在上一个示例中，它将成为形状为
（6,2）
的张量（而不是
tf$stack
生成的形状为
（3,2,2）
的张量）。这和原始答案确实回答了这个问题。我试图找出
tf$concat（）
的正确方法签名，因为我得到了一个错误（即使在本例中调用的方法是错误的）。我没有正确解释错误消息。我以为我没有正确地调用带有张量的参数，但错误实际上是因为调用带有
axis=0
的第二个参数，而不是
axis=0L
。这确实解决了问题，谢谢！