时间戳

首页 > 解决方案 > tf.reshape() 如何在内部工作？

python - tf.reshape() 如何在内部工作？

问题描述

我试图了解 tf.reshape 是如何工作的。让我们举个例子：

embeddings = tf.placeholder(tf.float32, shape=[N0,N1])
M_2D = tf.placeholder(tf.float32, shape=[N0,None])
M_3D = tf.reshape(M_2D, [-1,N0,1])
weighted_embeddings = tf.multiply(embeddings, M_3D)

这里我有一个 2D 张量 M_2D，它的列表示 N1 维的 N0 个嵌入的系数。我想创建一个 3D 张量，其中 M_2D 的每一列都放置在 M_3D 的第一维中，并且列保持相同的顺序。我的最终目标是创建 2D 嵌入的 3D 张量，每个张量由 M_2D 的列加权。

我如何确定 reshape 实际上将每一列放置在 M_3D 的新维度中。是否有可能改为放置行？tensorflow 文档中是否有关于 tf.reshape 的内部工作过程的明确解释，特别是在提供 -1 时？

标签： pythontensorflowreshape

解决方案

前后张量tf.reshape具有相同的展平顺序。

在 tensorflow 运行时，一个张量由原始数据（字节数组）、形状和 dtype 组成，tf.reshape只改变形状，原始数据和 dtype 不变。-1或Noneintf.reshape表示可以计算此值。

例如，

# a tensor with 6 elements, with shape [3,2]
a = tf.constant([[1,2], [3,4], [5,6]]) 
# reshape tensor to [2, 3, 1], 2 is calculated by 6/3/1
b = tf.reshape(a, [-1, 3, 1])

在本例中，a和b具有相同的展平顺序，即具有形状，其值为[1,2,3,4,5,6]，具有形状，其值为。a[3,2][[1,2], [3,4], [5,6]]b[2,3,1][[[1],[2],[3]],[[4],[5],[6]]]

推荐阅读