Tensorflow 使用tf.tile复制行张量？

我有一个张量，它只是一个向量，

vector=[0.50.4]

和tf.shape表示它有shape=（1），我想复制向量m次，形状为[m，2]，因此对于m=2，

矩阵=[0.50.4]，[0.50.4]

。如何使用tf.tile实现这一点？

采用以下公式，

vec

是一个向量，

multiply

是你的m，重复向量的次数

tf.tile

在向量上执行，然后使用

tf.reformate

将其重塑为所需的结构

import tensorflow as tf

vec = tf.constant([1, 2, 3, 4])
multiply = tf.constant([3])

matrix = tf.reshape(tf.tile(vec, multiply), [ multiply[0], tf.shape(vec)[0]])
with tf.Session() as sess:
    print(sess.run([matrix]))

这导致：

[array([[1, 2, 3, 4],
       [1, 2, 3, 4],
       [1, 2, 3, 4]], dtype=int32)]

---

通过将

one矩阵

与

vec

相乘，并让

广播

执行以下操作，可以实现同样的效果：

tf.ones（[m，1]）*vec

---

复制/复制张量（可以是一维向量、二维矩阵或任何维度）可以通过创建该张量的副本列表（使用纯python）来完成，然后使用tf.stack，将两个步骤放在一行（短）中。 下面是复制二维张量的示例：

import tensorflow as tf
tf.enable_eager_execution()

a = tf.constant([[1,2,3],[4,5,6]])  # shape=(2,3)
a_stack = tf.stack([a] * 4)  # shape=(4,2,3)

print(a)
print(a_stack)

“[a]*4”创建一个包含四个相同张量副本的列表（这是纯python）。 然后在第一个轴（轴=0）上依次堆叠

在图形模式下：

import tensorflow as tf

a = tf.constant([[1,2,3],[4,5,6]])  # shape=(2,3)
a_stack = tf.stack([a] * 4)  # shape=(4,2,3)

sess = tf.Session()
print('original tensor:')
print(sess.run(a))
print('stacked tensor:')
print(sess.run(a_stack))

---

我假设这种复制的主要用例是匹配两个张量的维数（你想乘吗？）

在这种情况下，有一个更简单的解决方案。让

tensorflow

为您进行维度匹配工作：

import tensorflow as tf
tf.enable_eager_execution()

a = tf.constant([1, 2, 3])  # shape=(3)
b = tf.constant([[[1, 3], [1, 3], [1, 3]], [[2, 0], [2, 0], [2, 0]]])  # shape=(2, 3, 2)

print(tf.einsum('ijk,j->ijk', b, a))

# OUTPUT:
# tf.Tensor(
# [[[1 3]
#   [2 6]
#   [3 9]]
# 
#  [[2 0]
#   [4 0]
#   [6 0]]], shape=(2, 3, 2), dtype=int32)

正如您所见，它适用于更复杂的情况：当您需要在第一个维度和最后一个维度上进行复制时，当您使用更复杂的形状时，等等。您所需要做的就是匹配字符串描述中的索引（上面我们将标有

j

的

a

维度与

b

的第二维度（

ijk

）相匹配

另一个示例用例： 我每个神经元都有一个状态，因为我们分批模拟，这个状态有维度

（n\u batch，n\u neuron）

。我需要用这个状态来调节神经元之间的连接（突触的重量），在我的例子中，它有额外的维度，所以它们有维度

（n\u neuron，n\u neuron，n\u X）

我可以这样写在一行中，而不是把平铺、重塑等弄得一团糟：

W_modulated = tf.einsum('ijk,bi->bijk', self.W, ux)

---

没有重塑的答案：

vec = tf.constant([[1, 2, 3, 4]])
multiply = tf.constant([3, 1])
tf.tile(vec, multiply)

Tensorflow 2.0解决方案： 请参阅此链接以了解更多信息

vector=[0.5,0.4]
重塑（tf.tile（向量，[2]），[2，tf.shape（向量）[0]]
#输出

为什么numpy.tile不等于tf.tile？

tf.tile

与

np.tile

不同，使用tile和重塑很容易出错，最好使用显式选项，如

tf.stack

或

matmul

。

vec = tf.constant([[1, 2, 3, 4]])
multiply = tf.constant([3, 1])
tf.tile(vec, multiply)

vector = [0.5, 0.4]
tf.reshape(tf.tile(vector, [2]), [2, tf.shape(vector)[0]])

# output 
<tf.Tensor: id=59, shape=(2, 2), dtype=float32, numpy=
array([[0.5, 0.4],
       [0.5, 0.4]], dtype=float32)>