广播带有动态形状的tf.matmul

Question

我想在等级2和3的两个张量之间广播tf.matmul操作，其中一个张量包含“未知”形状的维（基本上是特定维中的“无”值）。

问题在于动态尺寸tf.reshape和tf.broadcast_to似乎不起作用。

x = tf.placeholder(shape=[None, 5, 10], dtype=tf.float32)
w = tf.ones([10, 20])
y = x @ w
with tf.Session() as sess:
  r1 = sess.run(y, feed_dict={x: np.ones([3, 5, 10])})
  r2 = sess.run(y, feed_dict={x: np.ones([7, 5, 10])})

以上面的代码为例。 在这种情况下，我要分别喂食两批分别为3和7的元素。 我希望r1和r2是矩阵w与这些批处理中3或7个元素中的每个元素相乘的结果。 因此， r1和r2的最终形状分别为（ r2 ）和（7、5、20），但是我得到的是：

ValueError：形状必须为2级，但输入形状为[？，5,10]，[10,20]的“ matmul”（操作：“ MatMul”）为3级。

Answer 1

w可以扩展为rank-3张量，其批大小等于输入的大小。 然后，可以执行matmul操作

x = tf.placeholder(shape=[None, 5, 10], dtype=tf.float32)
w = tf.ones([10, 20])

number_batches = tf.shape(x)[0]
w = tf.tile(tf.expand_dims(w, 0), [number_batches, 1, 1])
y = x @ w
with tf.Session() as sess:
  print(sess.run(y, feed_dict={x: np.ones([2, 5, 10])}))
  print(sess.run(y, feed_dict={x: np.ones([3, 5, 10])}))

现场代码在这里