TensorFlow：如何通过权重变量对批量张量进行批处理？

Question

我有以下批量形状：

 [?,227,227]

以及以下权重变量：

 weight_tensor = tf.truncated_normal([227,227],**{'stddev':0.1,'mean':0.0})

 weight_var = tf.Variable(weight_tensor)

但是当我这样做时 tf.batch_matmul:

 matrix = tf.batch_matmul(prev_net_2d,weight_var)

我因以下错误而失败：

ValueError: Shapes (?,) and () must have the same rank

所以我的问题变成了：我该怎么做？

如何让二维的 weight_variable 与每张单独的图片 (227x227) 相乘，以便得到 (227x227) 的输出？此操作的平面版本完全耗尽了资源...加上梯度不会在平面形式中正确更改权重...

或者：我如何沿着批量维度拆分传入的张量 (?,) 以便我可以运行每个拆分张量上的 tf.matmul 函数与我的 weight_variable？

Answer 1

您可以沿第一个维度平铺权重

weight_tensor = tf.truncated_normal([227,227],**{'stddev':0.1,'mean':0.0})
weight_var = tf.Variable(weight_tensor)
weight_var_batch = tf.tile(tf.expand_dims(weight_var, axis=0), [batch_size, 1, 1])
matrix = tf.matmul(prev_net_2d,weight_var_batch)

虽然batch_matmul不存在了

TensorFlow：如何通过权重变量对批量张量进行批处理？

TensorFlow: how to batch mut-mul a batch tensor by a weight variable?

python

tensorflow