Skip to main content
 首页 » 编程设计

python之Keras:构建与给定张量相同批量大小的完整张量

2024年12月31日8bluestorm

更新

sdcbr 在他们的回答中指出 K.ones_like(T)*a 可以生成与上面指定的张量类似的张量,关键是它具有正确的 batch_size。用另一个例子来说明,我需要的另一个张量看起来像

C = [ [a1 a2 ... an] 
      [a1 a2 ... an] 
      ... 
      [a1 a2 ... an] ] 

这里的情况是给定向量 [a1 a2 ... an] 与自身连接以返回具有与 T 相同的 batch_size 的张量。

原始问题

我正在寻找一种在 Keras 中构建张量的方法,该张量具有与另一个张量 T 相同的 batch_size。一个例子是

A = [ [a a ... a a] 
      [a a ... a a] 
      ... 
      [a a ... a a] ] 

其中 a 在第二个 dim 中重复 n 次,在第一个 dim 中重复 batch_size(T)。

如果 T 定义了 batch_size,那么下面的代码片段就可以正常工作

A = K.constant(np.array([[a]*n]*T.shape[0])) 

但是,如果 T 是占位符,则 T.shape[0] 是 None。可以将张量作为输入提供,但这似乎不够优雅,并且为用户错误留下了更多空间。

我将如何生成这种形式的张量?

请您参考如下方法:

您可以使用类似K.ones_like(T) 的东西吗?无论您如何处理,T 和 A 的形状只有在您向 T 提供内容时才会完全指定。

像这样:

import keras.backend as K 
import numpy as np 
 
K.clear_session() 
T = K.placeholder((None, 100)) 
A = K.ones_like(T)*5 
 
with K.get_session() as sess: 
    print(A.eval(feed_dict={T: np.random.rand(1, 100)})) 

产生:

[[5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 
  5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 
  5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 
  5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 
  5. 5. 5. 5.]] 

如果你想用[0,1,...n-1]填充A的行,用n T 的列数,您可以使用 tf.multiply 进行逐元素乘法。

import keras.backend as K 
import tensorflow as tf 
import numpy as np 
 
K.clear_session() 
T = K.placeholder((None, 100)) 
A = tf.multiply(K.ones_like(T), K.constant(list(range(T.shape[1])))) 
 
with K.get_session() as sess: 
    print(A.eval(feed_dict={T: np.random.rand(1, 100)})) 

给你

[[ 0.  1.  2.  3.  4.  5.  6.  7.  8.  9. 10. 11. 12. 13. 14. 15. 16. 17. 
  18. 19. 20. 21. 22. 23. 24. 25. 26. 27. 28. 29. 30. 31. 32. 33. 34. 35. 
  36. 37. 38. 39. 40. 41. 42. 43. 44. 45. 46. 47. 48. 49. 50. 51. 52. 53. 
  54. 55. 56. 57. 58. 59. 60. 61. 62. 63. 64. 65. 66. 67. 68. 69. 70. 71. 
  72. 73. 74. 75. 76. 77. 78. 79. 80. 81. 82. 83. 84. 85. 86. 87. 88. 89. 
  90. 91. 92. 93. 94. 95. 96. 97. 98. 99.]]