python - 将行添加到一批 TensorFlow 张量

Question

我有 3 阶张量 [batch_size, num_rows, num_cols])，我想向其附加适当大小的行，从而得到尺寸为 [batch_size, num_rows + 1, num_cols] 的 3 阶张量

例如，如果我有以下一批 2x2 矩阵

batch = [ [[2, 2],
           [2, 2]],
          [[3, 3],
           [3, 3]],
          [[4, 4],
           [4, 4]] ]

和一个新行 v = [1, 1] 我想追加，那么期望的结果是

new_batch = [ [[2, 2],
               [2, 2],
               [1, 1]], 
              [[3, 3],
               [3, 3],
               [1, 1]],
              [[4, 4],
               [4, 4],
               [1, 1]] ]

在 TensorFlow 中是否有一种简单的方法可以做到这一点？这是我尝试过的:

W, b, c0, q0 = params
c = tf.concat([context, c0], axis=1)
q_p = tf.tanh(tf.matmul(W, question) + b)
q = tf.concat([q_p, q0], axis=1)
q_mask = tf.concat([question_mask, 1], axis=1)

为了澄清条款，

1. context 具有维度 [batch_size, context_len, hidden_​​size]
2. q_p 具有维度 [batch_size, question_len, hidden_​​size]
3. question_mask 具有维度 [batch_size, question_len]
4. c0 和 q0 都有维度 [hidden_​​size]

我想做什么

1. 将向量 c0 添加到 context，生成维度为 [batch_size, context_len + 1, hidden_​​size]
的张量
2. 将向量 q0 添加到 q_p，得到维度为 [batch_size, question_len + 1, hidden_​​size]
的张量
3. 将 1 添加到 question_mask，得到维度为 [batch_size, question_len + 1]
的张量

感谢您的帮助。

Answer 1

您可以使用 tf.map_fn做这个。

batch = [ [[2, 2],
           [2, 2]],
          [[3, 3],
           [3, 3]],
          [[4, 4],
           [4, 4]] ]

row_to_add = [1,1]

t = tf.convert_to_tensor(batch, dtype=np.float32)
appended_t = tf.map_fn(lambda x: tf.concat((x, [row_to_add]), axis=0), t)

输出

appended_t.eval(session=tf.Session())

array([[[ 2.,  2.],
        [ 2.,  2.],
        [ 1.,  1.]],

       [[ 3.,  3.],
        [ 3.,  3.],
        [ 1.,  1.]],

       [[ 4.,  4.],
        [ 4.,  4.],
        [ 1.,  1.]]], dtype=float32)