当尺寸不匹配时，如何在张量流中压缩张量

【问题标题】：How do I zip tensors in tensorflow when the dimensions don't match当尺寸不匹配时，如何在张量流中压缩张量
【发布时间】：2018-05-19 08:02:05
【问题描述】：

我有两个张量，一个是 [None, 20, 2] 的形状，一个是 [None, 1] 的形状。我想以同步的方式对每个子张量进行操作以产生一个值，这样我最终会得到一个形状为 [None, 1] 的张量。

在 python 领域，我会压缩这两个，然后迭代结果。

所以，为了清楚起见，我想写一个函数，它接受一个 [20, 2] 形张量和一个 [1] 形张量，并产生一个 [1] 形张量，然后应用这个函数对 [None, 20, 2] 和 [None, 1] 张量，产生一个 [None, 1] 张量。

希望我表达得足够好；更高的维度有时让我头晕目眩。

【问题讨论】：

标签： python tensorflow

【解决方案1】：

这对我有用（TensorFlow 版本 1.4.0）

tf.reset_default_graph()
sess = tf.Session()

# Define placeholders with undefined first dimension.
a = tf.placeholder(dtype=tf.float32, shape=[None, 3, 4])
b = tf.placeholder(dtype=tf.float32, shape=[None, 1])

# Create some input data.
a_input = np.arange(24).reshape(2, 3, 4)
b_input = np.arange(2).reshape(2, 1)

# TensorFlow map function.
def f_tf(x):
    return tf.reduce_sum(x[0]) + tf.reduce_sum(x[1])
# Numpy map function (for validation of results).
def f_numpy(x):
    return np.sum(x[0]) + np.sum(x[1])

# Run TensorFlow function.
s = tf.map_fn(f, [a, b], dtype=tf.float32)
sess.run(s, feed_dict={a: a_input, b: b_input})

数组([ 66., 211.], dtype=float32)

# Run Numpy function. 
for inp in zip(a_input, b_input):
    print(f_numpy(inp))

66 211

【讨论】：

稳固！这正是我想要的，谢谢！