Tensorflow：逐行迭代、逐元素乘法、归约和。自定义卷积

Question

我有两个张量，

x = shape(batchsize, 29, 64), 
y = shape(batchsize, 29, 29, 64)

我想在 y 上逐行迭代，与 x 执行元素乘法，sum_reduce 结果，并将这些结果堆叠到新张量。 结果应该是一个形状（batchsize, 29, 64）。 它与卷积非常相似。

我将如何按顺序编程：

for batchnr in range(x.shape[0]): 
    for n in range(y.shape[1]):
        temp = tf.multiply(x[batchnr][n], y[batchnr]) #shape(29,64)
        prod = tf.reduce_sum(temp) # shape(1,64)
        res[batchnr][n] = prod

我已经创建了那个解释图：由于对每一行都进行了 reduce_sum，所以结果又是一个形状为 (batchsize, 29, 64) 的张量。

我不知道如何正确高效地进行操作。谢谢。

Answer 1

我想我已经找到了解决方案。而不是迭代 y:

• 将x放大为y的形状
• 相乘
• 减少

在代码中是这样的：

m = K.tf.constant([1, 29, 1], dtype=K.tf.int32)
x = K.tf.tile(Z_RBF[0], m) #vermehrfache Z und stacke es zu RBF shape
x = K.tf.reshape(x, shape=(-1, *Z_RBF[1].shape[1:]))
x = K.tf.multiply(x, Z_RBF[1])
x = K.tf.reduce_sum(x, axis=2)  # shape (batchsize, 29, 64)

。