Tensorflow 动态广播

我想动态播放张量沿动态维度的乘积，即批量大小。我可以硬编码批量大小，但不可能推断批量大小等于1

img_placeholder = tf.placeholder(tf.float32, (None, 28, 28, 1), name='real_img')

random_part = tf.placeholder(tf.float32, (None), name='random_part')

在培训期间，我将为每个占位符提供与第一维度大小相同的内容。我想要

result=random\u part*img\u占位符

，这样

result[0]=random\u part[0]*img\u占位符[0]

目前，只需使用大小为28、28、28、BATCH\u size的张量乘以端点即可

---

如果广播不能如我所愿工作（因为存在动态维度大小），是否有可能以其他方式进行广播？

TensorFlow使用与numpy相同的广播规则，因此在您的示例中，形状（20）首先在左侧扩展，单个维度变为（1，1，1，20），然后，单子维度在两侧匹配一个以获得形状（20,3,3,20）

如果希望（20）被视为批处理维度，则应将其重塑为具有相同的列组

>>> a=np.ones((5,))
>>> b=np.ones((5,28,28,1))
>>> (a*b).shape
(5, 28, 28, 5)
>>> b.shape
(5, 28, 28, 1)
>>> a.shape
(5,)
>>> a2 = np.reshape(a, [len(a), 1, 1, 1])
>>> a2.shape
(5, 1, 1, 1)
>>> (a2*b).shape
(5, 28, 28, 1)

---

但是，批量大小等于1的推断是不可能的？你能解释一下吗？不可能用不相容形状的张量来填充图。如果网络是为每批64个图像的培训而明确构建的，那么您不能向其中输入一个图像的批。您可能更喜欢构建一个具有两个占位符的健壮原型，用于培训和推理。在构建用于推理的图形时，请重用用于训练的变量。不清楚您是要为多个gpu还是单个gpu进行广播…（20）*（20，3，3，1）=（20，3，3，1）在发布问题后，我检查了我的想法，我的想法甚至在NumPy中也不起作用，因此我对其进行了重塑。谢谢