tensorflow中如何控制维度广播？

Question

我想用几种方法使我的一组行居中，并获得几组居中的行。

我的数据形状为(4, 3)，即四个 3D 向量：

data = tf.get_variable("myvar1", shape=[4, 3], dtype=tf.float64)

我有两个中心（两个 3D 向量）：

mu = tf.get_variable("mu", initializer=tf.constant(np.arange(2*3).reshape(2, 3), dtype=tf.float64))

我想每亩集中一次数据。在 numpy 我会写循环：

data = np.arange(4 * 3).reshape(4, 3)
mu = np.arange(2*3).reshape(2, 3)

centered_data = np.empty((2, 4, 3))
for i_data in range(len(data)):
    for i_mu in range(len(mu)):
        centered = data[i_data] - mu[i_mu]
        centered_data[i_mu, i_data, :] = centered

如何在张量流中做同样的事情？

numpy 的批量方法也将不胜感激！

Answer 1

显然我可以插入奇异维度来引发广播：

data = tf.get_variable("myvar1", shape=[4, 3], dtype=tf.float64)
mu = tf.get_variable("mu", initializer=tf.constant(np.arange(2*3).reshape(2, 3), dtype=tf.float64))

centered_data = data - tf.expand_dims(mu, axis=1)

with tf.Session() as sess:

    sess.run(tf.global_variables_initializer())

    ans_value, centered_data_value, mu_value = sess.run([centered_data, data, mu], {data: np.arange(4 * 3).reshape(4, 3)})

    print("centered_data_value: ", centered_data_value)
    print("mu: ", mu_value)
    print("ans: ", ans_value)

在 numpy 中也是如此：

mu = np.reshape(mu, (2, 1, 3))
centered_data = data - mu

Answer 2

您只需要使用- 或tf.substract 就会执行元素明智的操作：

centered_data = tf.substract(data, mu)