Vector Tensorflow-如何在计算批次时访问向量的元素

现在在我的图中，我需要计算

z=a1*z1+a2*z2+a3*z3

在哪里

这里的

？

是要在图中计算的批次大小（构建图时未知）

问题是我还没有

a1、a2、a3

，但我需要从中提取它们

a: size=(?,3)

由，种类，

a1=a[0]，a2=a[1]，a3=a[2]

。但显然

a[k]

指的是批次中的第k个样本，因此此代码不正确

那么我怎样才能访问

a

的第k个元素呢？

---

如果我做

a1=a[：，0]

，是否正确？

您不做单独的乘法，而是以3D矩阵形式。以下是您可以尝试的代码：

 # Getting the input data in right size
 batch_size = 10
 z1 = np.random.randint(0,5, (batch_size,5))
 z2 = np.random.randint(0,5, (batch_size,5))
 z3 = np.random.randint(0,5, (batch_size,5))
 z = [z1, z2, z3]
 z = np.reshape(z, (batch_size, 5, 3))
 a = np.random.randint(0, 5, (batch_size, 3))
 a = np.reshape(a, (batch_size, 3, 1))

 #Tensorflow graph 
 Z = tf.placeholder(tf.int32, [None, 5, 3])
 A = tf.placeholder(tf.int32, [None, 3, 1])
 out = tf.squeeze(tf.matmul(Z, A))

 with tf.Session() as sess:
    result = sess.run(out, feed_dict={Z:z, A:a})

---

我希望这就是您打算做的。

为什么要进行单个元素的乘法。你应该做矩阵形式：z=A.T*z，其中A=[a1，a2，a3]，z=[z1，z2，z3]@vijaym当然会更好。但我不知道怎么做。

 # Getting the input data in right size
 batch_size = 10
 z1 = np.random.randint(0,5, (batch_size,5))
 z2 = np.random.randint(0,5, (batch_size,5))
 z3 = np.random.randint(0,5, (batch_size,5))
 z = [z1, z2, z3]
 z = np.reshape(z, (batch_size, 5, 3))
 a = np.random.randint(0, 5, (batch_size, 3))
 a = np.reshape(a, (batch_size, 3, 1))

 #Tensorflow graph 
 Z = tf.placeholder(tf.int32, [None, 5, 3])
 A = tf.placeholder(tf.int32, [None, 3, 1])
 out = tf.squeeze(tf.matmul(Z, A))

 with tf.Session() as sess:
    result = sess.run(out, feed_dict={Z:z, A:a})