Tensorflow 用非标量的值填充张量

我正在尝试使用tensorflow将点列表移动到原点。从数学上来说，最好的方法是找到点列表的质心，然后用该质心减去点列表

问题：点列表中包含的行数在运行时之前是未知的

迄今为止的代码：

import tensorflow as tf

example_point_list = tf.constant([[3., 3.], [.2, .2], [.1, .1]]) // but with any number of points

centroid = tf.reduce_mean(example_point_list, 0)

// subtract???
origin_point_list = tf.sub(example_point_list, centroid)

问题是减法是一个元素一个元素地工作的，所以我必须创建一个质心张量，它的行数与点列表的行数相同，但是没有方法可以做到这一点

（用数学术语来说）

感谢您的帮助

因为，您不需要平铺行。事实上，不平铺它们并直接从矩阵中减去向量更有效。在你的情况下，看起来是这样的

tf.reset\u default\u graph（）
示例_points=np.array（[[1,1]，[2,2]，[3,3]]，dtype=np.float32）
示例点列表=tf.placeholder（tf.float32）
质心=tf.减少平均值（示例点列表，0）
结果=示例\u点\u列表-质心
sess=tf.InteractiveSession（）
run（结果，feed_dict={example_point_list:example_points}）

结果

数组（[-1.，-1.]），
[ 0.,  0.],
[1,1.]，dtype=32）

如果确实希望显式平铺质心向量，可以使用

shape

操作符来实现，该操作符可以在运行时获得形状

tf.reset\u default\u graph（）
示例_point_list0=np.array（[[1,1]，[2,2]，[3,3]]，dtype=np.float32）
示例点列表=tf.placeholder（tf.float32）
#从数组中获取示例数：[3]
num_examples=tf.slice（tf.shape（示例_点），[0]，[1]）
#将[3]重塑为3
num_examples_flat=tf.重塑（num_examples，（））
质心=tf.减少平均值（示例点列表，0）
#将质心向量[2，2]重塑为矩阵[[2，2]]
质心矩阵=tf.重塑（质心，[1，-1]）
#将3组装成要平铺的尺寸向量：[3，1]
tile\u shape=tf.pack（[num\u示例\u flat，1]）
#将[[2,2]]平铺到[[2,2]、[2,2]、[2,2]]
质心_平铺=tf.平铺（质心_矩阵，平铺形状）
sess=tf.InteractiveSession（）
run（质心平铺，提要dict={example\u point\u list:example\u point\u list0}）

结果

数组（[[2,2.]，
[ 2.,  2.],
[2,2.]]，dtype=32）

A = [[1, 1],
[2, 2]
[3, 3]]

B = avg(A) // [2, 2]

// step I need to do but do not know how to do it
B -> B1 // [[2, 2], [2, 2], [2, 2]]

Result = A - B1