沿轴的 TensorFlow 乘法答案

【问题标题】：TensorFlow multiplication along axis沿轴的 TensorFlow 乘法
【发布时间】：2021-11-17 18:54:20
【问题描述】：

我只想像这样沿着给定的轴相乘：

a = tf.ones([2,2,3])
b = tf.constant(7)
c = //multiply a[:,:,1] with b

所以c[...,0] 和c[...,2] 有一个，而c[...,1] 有一个七：

print(c.shape)
> (2, 2, 3)

print(a[...,0]) //output same for a[...,1] and a[...,2]
> tf.Tensor(
[[1. 1.]
 [1. 1.]], shape=(2, 2), dtype=float32)

print(c[...,0])
>tf.Tensor(
 [[1. 1.]
  [1. 1.]], shape=(2, 2), dtype=float32)


print(c[...,1])
>tf.Tensor(
 [[7. 7.]
  [7. 7.]], shape=(2, 2), dtype=float32)


print(c[...,2])
>tf.Tensor(
 [[1. 1.]
  [1. 1.]], shape=(2, 2), dtype=float32)

【问题讨论】：

标签： python tensorflow tensorflow2.0

【解决方案1】：

我不太确定您期望什么结果，但如果我理解正确，您可以这样做：

import tensorflow as tf

a = tf.concat([tf.ones([1, 4, 3], dtype=tf.float32), 
               tf.ones([1, 4, 3], dtype=tf.float32) * 3, 
               tf.zeros([2, 4, 3], dtype=tf.float32)], axis=0)
b = tf.constant(7, dtype=tf.float32)

tensor = tf.slice(a,
               begin=[1, 0, 0],
               size=[1, 4, 3])
c = tensor * b
result = tf.tensor_scatter_nd_update(a, [[1]], c)
print('a -->', a, '\n')
print('c -->', c, '\n')
print('result -->', result)

a --> tf.Tensor(
[[[1. 1. 1.]
  [1. 1. 1.]
  [1. 1. 1.]
  [1. 1. 1.]]

 [[3. 3. 3.]
  [3. 3. 3.]
  [3. 3. 3.]
  [3. 3. 3.]]

 [[0. 0. 0.]
  [0. 0. 0.]
  [0. 0. 0.]
  [0. 0. 0.]]

 [[0. 0. 0.]
  [0. 0. 0.]
  [0. 0. 0.]
  [0. 0. 0.]]], shape=(4, 4, 3), dtype=float32) 

c --> tf.Tensor(
[[[21. 21. 21.]
  [21. 21. 21.]
  [21. 21. 21.]
  [21. 21. 21.]]], shape=(1, 4, 3), dtype=float32) 

result --> tf.Tensor(
[[[ 1.  1.  1.]
  [ 1.  1.  1.]
  [ 1.  1.  1.]
  [ 1.  1.  1.]]

 [[21. 21. 21.]
  [21. 21. 21.]
  [21. 21. 21.]
  [21. 21. 21.]]

 [[ 0.  0.  0.]
  [ 0.  0.  0.]
  [ 0.  0.  0.]
  [ 0.  0.  0.]]

 [[ 0.  0.  0.]
  [ 0.  0.  0.]
  [ 0.  0.  0.]
  [ 0.  0.  0.]]], shape=(4, 4, 3), dtype=float32)

更新：按照你想要的方式对数据进行切片并不是你想象的那样：

import tensorflow as tf

a = tf.concat([tf.ones([1, 2, 3], dtype=tf.float32), 
               tf.zeros([1, 2, 3], dtype=tf.float32)], axis=0)

b = tf.ones([2, 2, 3], dtype=tf.float32)

print(a.shape, a[...,0])
print(b.shape, b[...,0])

(2, 2, 3) tf.Tensor(
[[1. 1.]
 [0. 0.]], shape=(2, 2), dtype=float32)
(2, 2, 3) tf.Tensor(
[[1. 1.]
 [1. 1.]], shape=(2, 2), dtype=float32)

正如您在使用具有混合值的 (2, 2, 3) 张量时所看到的，当沿最后一个轴切片时，您不仅会得到预期的结果。

【讨论】：

不安静。 result[:,:,1] 应该是全七，但在上面提出的解决方案中，它们仅在 result[:,:,1][1] 中，其他都是七。
感谢您的回复，您能用您想要的结果示例更新您的问题吗？我认为这也会对其他人有所帮助。也许使用更小的张量：(2, 2, 3)。我认为这也取决于你如何分割你的张量。例如，result[1, :, :] 将导致所有七人制。