我有3个张量[batch_size，num_rows，num_cols]），我想要追加适当大小的行，从而得到维度为3的张量[batch_size，num_rows 1，num_cols]

例如，如果我有以下批次的2x2矩阵

batch = [ [[2, 2],
           [2, 2]],
          [[3, 3],
           [3, 3]],
          [[4, 4],
           [4, 4]] ]

和一个新行 v = [1, 1] 我想追加，然后想要的结果是

new_batch = [ [[2, 2],
               [2, 2],
               [1, 1]], 
              [[3, 3],
               [3, 3],
               [1, 1]],
              [[4, 4],
               [4, 4],
               [1, 1]] ]

在TensorFlow中有一种简单的方法吗？这是我尝试过的：

W, b, c0, q0 = params
c = tf.concat([context, c0], axis=1)
q_p = tf.tanh(tf.matmul(W, question) + b)
q = tf.concat([q_p, q0], axis=1)
q_mask = tf.concat([question_mask, 1], axis=1)

澄清条款，

context 的尺寸为 [batch_size, context_len, hidden_size]
q_p 的尺寸为 [batch_size, question_len, hidden_size]
question_mask 的尺寸为 [batch_size, question_len]
c0 和 q0 都有尺寸 [hidden_size]

我想做的事

将矢量 c0 添加到 context ，从而产生尺寸为 [batch_size, context_len + 1, hidden_size] 的Tensor
将矢量 q0 添加到 q_p ，产生尺寸为 [batch_size, question_len + 1, hidden_size] 的Tensor
将1添加到 question_mask ，产生尺寸为 [batch_size, question_len + 1] 的Tensor

谢谢您的帮助 .

1 回答

您可以使用tf.map_fn执行此操作 .

batch = [ [[2, 2],
           [2, 2]],
          [[3, 3],
           [3, 3]],
          [[4, 4],
           [4, 4]] ]

row_to_add = [1,1]

t = tf.convert_to_tensor(batch, dtype=np.float32)
appended_t = tf.map_fn(lambda x: tf.concat((x, [row_to_add]), axis=0), t)

输出

appended_t.eval(session=tf.Session())

array([[[ 2.,  2.],
        [ 2.,  2.],
        [ 1.,  1.]],

       [[ 3.,  3.],
        [ 3.,  3.],
        [ 1.,  1.]],

       [[ 4.,  4.],
        [ 4.,  4.],
        [ 1.,  1.]]], dtype=float32)

回复于 2024-04-24T18:01:17+08:00

向批量的TensorFlow张量添加行

1 回答

输出

相关问题