减少 Tensorflow 中的两个张量

Question

我有两个张量。

形状为 (1,N)

形状为 (N,T)

的张量

我要计算的是以下标量：

tf.reduce_sum 似乎很有帮助，但我无法将两个张量和约简函数结合起来以获得我想要的结果。谁能帮我把上面的等式写成 tensorflow?

Answer 1

这个有用吗？

import tensorflow as tf
import numpy as np

N = 10
T = 20
l = tf.constant(np.random.randn(1, N), dtype=tf.float32)
z = tf.constant(np.random.randn(N, T), dtype=tf.float32)

with tf.Session() as sess:
    # swap axis for broadcasting to work
    l = tf.transpose(l, [1, 0])
    z_div_l = tf.divide(z, l)
    z_div_l_2 = tf.divide(1.0 - z, 1.0 - l)
    result = tf.reduce_sum(tf.add(z_div_l, z_div_l_2), axis=0)
    eval_result = sess.run(result)
    print('{}\n{}'.format(eval_result.shape, eval_result))

这对从 0 到 T-1 的每个 t 计算上述表达式，因此它不是标量而是大小为 (T,) 的向量。你的问题提到你只想计算一个标量，但总和只超过 N 而不是 T，所以我假设你只是想为每个 t 计算这个表达式。

减少 Tensorflow 中的两个张量

Reducing two tensors in Tensorflow

python

reduce

matrix

tensorflow