TensorFlow 用向量连接一个可变大小的占位符

Question

假设我有一个占位符

ph_input = tf.placeholder(dtype=tf.int32, [None, 1])

和一个向量

h = tf.zeros([1,2], dtype=tf.int32)

在此示例中，为简单起见，h 填充为零，但在实际情况下，它会被其他变量更改并具有不同的值。

我想高效地在 ph_input 上执行 concat 并在维度 1 上执行 h 并获得形状为 [None, 1+2] 的新张量。不幸的是 concat 需要所有输入张量具有相同的形状，除了 concat_dim，我的示例不满足。

我正在考虑将 h 扩展为与提供给 ph_input 的数据相同的形状，但我不确定如何使用占位符本身来实现。如果我直接从输入数据中获取形状，那么我想没有必要使用占位符。

Answer 1

最通用的解决方案是使用 tf.shape() op to get the run-time size of the placeholder, and the tf.tile() 操作将 h 扩展到适当的大小：

ph_input = tf.placeholder(dtype=tf.int32, shape=[None, 1])
h = tf.zeros([1, 2], dtype=tf.int32)  # ...or some other tensor of shape [1, 2]

# Get the number of rows in the fed value at run-time.
ph_num_rows = tf.shape(ph_input)[0]

# Makes a `ph_num_rows x 2` matrix, by tiling `h` along the row dimension.
h_tiled = tf.tile(h, tf.pack([ph_num_rows, 1]))

result = tf.concat(1, [ph_input, h_tiled])

TensorFlow 用向量连接一个可变大小的占位符

TensorFlow concat a variable-sized placeholder with a vector

concat

tensorflow