重塑两层之间的张量答案

【问题标题】：reshape tensor between two layers重塑两层之间的张量
【发布时间】：2017-08-30 14:11:39
【问题描述】：

我有一个神经网络，我在其中构建了自己的层，它给出了形状为 A = [10, 5] 的结果。

我想将结果提供给另一个层，该层接受形状为B = [10, 9, 5] 的输入。

输入B是基于之前的结果A，例如从A中选择9个不同的行10次，形成一个形状为[10, 9, 5]的新张量。

有没有办法做到这一点？

【问题讨论】：

标签： tensorflow reshape tensor

【解决方案1】：

for 循环会做：

a = tf.constant([[1, 2, 7], [3, 4, 8], [5, 6, 9]])

tensor_list = []
pick_times = 3
for i in range(pick_times):
    pick_rows = [j  for j in range(pick_times) if i != j]
    tensor_list.append(tf.gather(a, pick_rows))

concated_tensor = tf.concat(tensor_list, 0)
result = tf.reshape(concated_tensor, [3, 2, 3])

【讨论】：

谢谢！但实际上我需要选择 9 个不同的行十次。例如，我选择除第一行之外的所有行，然后我选择除第二行之外的所有行，依此类推十次，以制作形状为 [10,9,5] 的新矩阵。有没有办法自动完成，而不是一个一个地做，最后使用连接？

【解决方案2】：

将张量 A（层的输出）转换为 numpy 数组：

a=sess.run(A.eval())

为了示例，我将使用：

a=np.random.uniform(0,5,[10])

然后：

#choose wich element will be left out
out = np.random.randint(5, size=[10])

#array of different output layers without one random element
b=[]
for i in range(10):
  b.append(np.delete(a,out[i]))

#Stack them all together
B = tf.stack(b[:])

【讨论】：

非常感谢！你认为有两个课程（一个在这里，另一个用于培训）会有问题吗？此外，我想这应该不会影响反向传播过程，因为这里没有使用权重，对吧？
即使使用了权重（tf.variable），它们也不会受到影响，因为您在这里处于前馈过程中并且您没有更改权重。