如何用TensorFlow连接两个具有不同形状的张量？

Question

您好，我是TensorFlow的新手，我想将2D张量连接到3D张量。 我不知道如何通过利用TensorFlow函数来实现它。

tensor_3d = [[[1,2], [3,4]], [[5,6], [7,8]]]  # shape (2, 2, 2)
tensor_2d = [[10,11], [12,13]]                # shape (2, 2)

out: [[[1,2,10,11], [3,4,10,11]], [[5,6,12,13], [7,8,12,13]]]  # shape (2, 2, 4)

我会通过使用循环和新的numpy数组使它工作，但以这种方式我不会使用TensorFlow转换。 关于如何使这成为可能的任何建议？ 我没有看到如下转换： tf.expand_dims或tf.reshape可能tf.reshape有所帮助......

感谢您分享您的知识。

Answer 1

这应该做的伎俩：

import tensorflow as tf

a = tf.constant([[[1,2], [3,4]], [[5,6], [7,8]]]) 
b = tf.constant([[10,11], [12,13]])

c = tf.expand_dims(b, axis=1) # Add dimension
d = tf.tile(c, multiples=[1,2,1]) # Duplicate in this dimension
e = tf.concat([a,d], axis=-1) # Concatenate on innermost dimension

with tf.Session() as sess:
    print(e.eval())

得到：

[[[ 1  2 10 11]
[ 3  4 10 11]]

[[ 5  6 12 13]
[ 7  8 12 13]]]

Answer 2

实际上有一个不同的技巧，在OpenAI的基线等代码库中不时使用。

假设您的高斯政策有两个张量。 mu和std 。 对于批量大小1，标准偏差与mu具有相同的形状，但由于对所有操作使用相同的参数化标准偏差，因此当批量大小大于1时，两者会有所不同：

mu : Size<batch_size, feat_n>
std: Size<1, feat_n>

在这种情况下，一个简单的事情（就像OpenAI基线所做的那样）是这样做的：

params = tf.concat([mu, mu * 0 + std])

零乘法将std转换为与mu相同的等级。

享受，祝你好运！

ps： numpy和tensorflow的concat运算符不会自动应用广播，因为根据维护者的说法，当两个张量的形状不匹配时，通常是编程错误的结果。 这在numpy中并不是一件大事，因为计算得到了热切的评估。 但是对于tensorflow，这意味着您必须使用tf.shape运算符手动显式地广播较低级别（或具有形状[1，* _]的tf.shape 。