如何在Tensorflow中扩展维度

Question

我有这个张量 A：

<tf.Tensor: shape=(2, 18), dtype=float32, numpy=
array([[0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 1., 1., 1., 1., 1.,
        1., 1.],
       [0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
        0., 0.]], dtype=float32)>

我想创建一个掩码以添加到另一个形状为(2, 18, 1000)的张量。 也就是说，我想将每个数字扩展到 1000 个，例如，在张量 A 中，将每个 0 更改为 1000 个零的维度，并在每个 1 中，将每个更改为 1000 个 1 的维度。 我该怎么做？

编辑

基本上，我想要做的是将张量 A 从形状(2, 18)转换为形状(2, 18, 1000) ，这 1000 个值为 0 或 1

Answer 1

只需使用tf.expand_dims

import tensorflow as tf

a = tf.constant([[0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 1., 1., 1., 1., 1.,
        1., 1.],
       [0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
        0., 0.]])
b = tf.random.normal(shape=[2, 18, 1000])
c = tf.expand_dims(a, axis=2) + b
c.shape
# TensorShape([2, 18, 1000])

关于广播参见，例如，这个 numpy 教程