Python Tensorflow：基于输入创建向量

我在Tensorflow方面并没有真正的经验，我正在做一件显然很容易的事情，但却被卡住了

我需要使用tensorflow层创建一个给定输入的矩阵。 以下是我得到的：

def createTransformationMatrix（args）：
比例=args[0]
M=tf.Variable（[scale[0]，0,0,0，scale[1]，0,0,0]，dtype=tf.float32）
返回M
scaleValue=输入（形状=（2，）；
createTransformMatrix=Lambda（createTransformationMatrix）（scaleValue）
transformImage=Model（[scaleValue]，createTransfMatrix，name='transformImage'）；
scaleValueInput=np.array（[1.0,1.0]）
输出=transformImage.predict（scaleValueInput[None，：]）

这会产生以下错误：

InvalidArgumentError (see above for traceback): You must feed a value for placeholder tensor 'lambda_1/Placeholder' with dtype float and shape [?,2]
     [[Node: lambda_1/Placeholder = Placeholder[dtype=DT_FLOAT, shape=[?,2], _device="/job:localhost/replica:0/task:0/device:CPU:0"]()]]

---

你可以用tensorflow来做

scaleValue = tf.placeholder("float32", 2)
b = tf.expand_dims(scaleValue, axis=1)
c = tf.constant([[1,0,0,0]], 'float32')
d = tf.matmul(b,c)
res = tf.reshape(d, shape=[-1])

with tf.Session() as sess:
    print (sess.run([res], feed_dict={scaleValue: np.array([1,3])}))

输出

[数组（[1,0,0,0,3,0,0,0,0.]，dtype=float32）]

---

使用填充的解决方案

scaleValue = tf.placeholder("float32", 2)
a = tf.expand_dims(scaleValue, axis=1)
paddings = tf.constant([[0, 0,], [0, 3]])
b = tf.pad(a, paddings, "CONSTANT")
res = tf.reshape(b, shape=[-1])


with tf.Session() as sess:
    print (sess.run([res], feed_dict={scaleValue: np.array([1,3])}))

将“填充”设置为“恒定”，使其成为所需的形状

---

其中，在

paddings=tf.常量（[[top，bottom，]，[left，right]]）

，

top，bottom，left，right

表示相应位置的零数量。

谢谢，您正在利用我的M向量的属性将缩放值放置在一些方便的位置，因此，您可以执行矩阵乘法以获得结果数组。你有一个更一般的解决方案，我可以把值放在向量的任意点上吗？谢谢