使用动态形状广播 tf.matmul答案

【问题标题】：Broadcast tf.matmul with dynamic shapes使用动态形状广播 tf.matmul
【发布时间】：2018-12-25 16:33:31
【问题描述】：

我想在等级 2 和 3 的两个张量之间广播 tf.matmul 操作，其中一个包含“未知”形状的维度（基本上是特定维度中的“无”值）。

问题在于动态维度 tf.reshape 和 tf.broadcast_to 似乎不起作用。

x = tf.placeholder(shape=[None, 5, 10], dtype=tf.float32)
w = tf.ones([10, 20])
y = x @ w
with tf.Session() as sess:
  r1 = sess.run(y, feed_dict={x: np.ones([3, 5, 10])})
  r2 = sess.run(y, feed_dict={x: np.ones([7, 5, 10])})

以上面的代码为例。在这种情况下，我要喂两个不同批次的 3 个和 7 个元素。我希望 r1 和 r2 成为矩阵乘以 w 与这些批次中的 3 或 7 个元素中的每一个的结果。因此，r1 和 r2 的结果形状分别为 (3, 5, 20) 和 (7, 5, 20)，但我得到的是：

ValueError: Shape 必须是 2 级，但 'matmul' 是 3 级（操作： 'MatMul') 输入形状：[?,5,10], [10,20]。

【问题讨论】：

标签： python tensorflow

【解决方案1】：

w 可以扩展为 rank-3 张量，其批量大小等于输入的大小。然后就可以进行matmul运算了

x = tf.placeholder(shape=[None, 5, 10], dtype=tf.float32)
w = tf.ones([10, 20])

number_batches = tf.shape(x)[0]
w = tf.tile(tf.expand_dims(w, 0), [number_batches, 1, 1])
y = x @ w
with tf.Session() as sess:
  print(sess.run(y, feed_dict={x: np.ones([2, 5, 10])}))
  print(sess.run(y, feed_dict={x: np.ones([3, 5, 10])}))

直播代码here

【讨论】：