Python 无法广播ragged_秩=2的tf.RaggedSensor

我试着将一些参差张量的值分别与另一个张量的每个值相加，得到另一个具有一个维度的参差张量。但我发现了一个广播错误：

Unable to broadcast: dimension size mismatch in dimension=[2]. lengths=[3] dim_size=[1, 1, 1, 1, 1]

因此，这个错误发生了，而不是像普通tf广播规则所说的那样，沿着大小为1的参差不齐维度进行广播

最简单的例子如下：

这是有效的（在

参差不齐的情况下=1

）

但事实并非如此（如果

参差不齐_rank=2

）

我必须处理

ragged_rank=2

r.t.，因为我将其作为

tf.data.Dataset

批处理管道的映射函数的输入。 我还希望有一个将

ragged_rank

减少到1的解决方案（如果可能的话），因为内部尺寸应该是均匀的（长度为4）

UPD:好的，我通过重新创建一个张量，成功地降低了参差不齐的_等级，如下所示：

def downgrade_bbox_batch_ragged_rank(x, inner_len=5):
    v = x.flat_values
    rs = x.row_splits
    return tf.RaggedTensor.from_row_splits(values=tf.reshape(v,(-1,inner_len)),
                                           row_splits=rs)

在此之后，就广播而言，在内部维度（平面_值）之前或中添加新轴效果良好。但在参差不齐的维度之前添加newaxis仍然不起作用。这是一种预期的行为吗

import tensorflow as tf
x = tf.ragged.constant(
        [
            [[1,2,3,4], [2,5,7,8]],
            [[3,12,8,9],[0,0,1,1],[4,4,9,7]],
        ],
    ragged_rank=2)
y = tf.constant([10, 20, 30])
x = x[:,:,tf.newaxis,:]
y = y[:,tf.newaxis]
print(x+y)

def downgrade_bbox_batch_ragged_rank(x, inner_len=5):
    v = x.flat_values
    rs = x.row_splits
    return tf.RaggedTensor.from_row_splits(values=tf.reshape(v,(-1,inner_len)),
                                           row_splits=rs)