我正在关注TensorFlow的一个暹罗CNN .
CNN结构包括由两个CNN共享权重共享的嵌入查找表 . 网络的输入是两个矩阵，两个矩阵都包含用于问题和答案的索引（batch_size x sentence_length）：
self.input_q = tf.placeholder(tf.int32, [None, sentence_length], name="input_q")
self.input_a = tf.placeholder(tf.int32, [None, sentence_length], name="input_a")
在嵌入每个句子（来自输入矩阵的行）之后，我最终得到两个尺寸的张量（问题和答案）：batch_size x sentence_lentgh x embedding_size .
让我们暂时忘记批量维度，以使事情变得更容易 . 这就是说，我们有两个矩阵Qemb和Aemb，都是 sentence_lentgh x embedding_size . 从这两个矩阵我想构建第三个矩阵，用于后验可学习注意特征矩阵的注意矩阵 A ，使用numpy将定义如下：
A[i,j] = 1.0 / (1.0 + np.linalg.norm(Qemb[i,:]-Aemb[j,:]))
这个矩阵是为每个输入对构建的，所以应该是图的一部分，但显然这不能在TensorFlow中完成，因为Tensor的索引没有 asingn 操作 . 我对吗？我认为我可以运行ops来嵌入问题和答案，在给定computedembeddings的情况下在图表外部构建A矩阵，然后将A矩阵反馈给图表以继续基于它的下一个操作 .
self.attention_matrix = \
tf.placeholder(tf.float32,
[None, sentence_length, sentence_length],
name = "Attention_matrix")
我可能没有意识到这种方法有什么问题吗？ （两次运行embeddings ops的公寓，看起来不是最优的，但不是什么大不了的事）