Tensorflow：沿轴的堆叠（m，n，k，p）和（m，n，1，p）张量= 2
[英]Tensorflow: stack (m, n, k, p) and (m, n, 1, p) tensors along the axis=2
问题描述
我必须沿轴= 2堆叠（m，n，k，p）和（m，n，1，p）张量。
tf.pack只能管理相同形状的张量。
我尝试使用tf.unpack但它也不起作用。
1 个解决方案
解决方案1
0 已采纳 2016-12-15 13:23:59
我相信您要尝试做的就是称为tf.concat ：
a = tf.zeros([3,4,10,5])
b = tf.zeros([3,4,1,5])
c = tf.concat(2, [a,b])
c.get_shape()
Out: TensorShape([Dimension(3), Dimension(4), Dimension(11), Dimension(5)])
如何沿轴 0 连接 tensorflow 个张量，同时保留其他 n>0 维度的形状
[英]How do you concatenate tensorflow tensors along axis 0 while preserving the shape of the other n>0 dimensions
numpy：如何将（N，）维向量插入（N，M，D）维数组作为沿D轴的新元素？ （N，M，D + 1）
[英]Numpy: how to insert an (N,) dimensional vector to an (N, M, D) dimensional array as new elements along the D axis? (N, M, D+1)
将具有形状（M，N，P）阵列的numpy int数组有效转换为具有（N，P）形状的2D对象数组
[英]Efficient converting of numpy int array with shape (M, N, P) array to 2D object array with (N, P) shape
将行格式化为向量，如何将reduceByKey（list（n_1，m_1）...（n_k，m_k））还原为（n_1 ... n_k）（m_1 ... m_k）
[英]Format row into vector, how to reduceByKey (list(n_1, m_1)…(n_k, m_k)) to (n_1…n_k) (m_1…m_k))
以有效的方式用大小为 (k,m) 的 n 矩阵构建大小为 (n*k, m) 的数组
[英]Build array with size (n*k, m) with n matrix of size (k,m) with an efficient way
声明:本站的技术帖子网页，遵循CC BY-SA 4.0协议，如果您需要转载，请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.
相关问题
numpy矩阵乘法nxm * mxp = nxp
如何沿轴 0 连接 tensorflow 个张量，同时保留其他 n>0 维度的形状
numpy：如何将（N，）维向量插入（N，M，D）维数组作为沿D轴的新元素？ （N，M，D + 1）
将具有形状（M，N，P）阵列的numpy int数组有效转换为具有（N，P）形状的2D对象数组
给定p，k的概率胜出n。
TensorFlow串联/堆叠N张量交错最后一个维度
将行格式化为向量，如何将reduceByKey（list（n_1，m_1）...（n_k，m_k））还原为（n_1 ... n_k）（m_1 ... m_k）
块状（n，1，m）至（n，m）
如何从numpy中的ap * q大矩阵获取m * n子矩阵
以有效的方式用大小为 (k,m) 的 n 矩阵构建大小为 (n*k, m) 的数组
相关标签