Keras：构建与给定张量相同批量大小的完整张量

Question

更新

sdcbr 在他们的回答中指出 K.ones_like(T)*a 用于生成与上面指定的类似的张量，关键是它具有正确的 batch_size。为了澄清另一个例子，我需要的另一个张量看起来像

C = [ [a1 a2 ... an]
      [a1 a2 ... an]
      ...
      [a1 a2 ... an] ]

这里的情况是给定向量 [a1 a2 ... an] 与自身连接成 return 一个张量，该张量具有与 T 相同的 batch_size。

原题

我正在寻找一种在 Keras 中构建张量的方法，该张量具有与另一个张量 T 相同的 batch_size。一个例子是

A = [ [a a ... a a]
      [a a ... a a]
      ...
      [a a ... a a] ]

其中 a 在第二个 dim 中重复 n 次，在第一个 dim 中重复 batch_size(T) 次。

如果 T 定义了 batch_size，那么下面的代码片段就可以正常工作

A = K.constant(np.array([[a]*n]*T.shape[0]))

但是，如果 T 是占位符，那么 T.shape[0] 就是 None。可以将张量作为输入输入，但这似乎不够优雅，并且为用户错误留下了更多空间。

我将如何生成这种形式的张量？

Answer 1

您可以使用 K.ones_like(T) 之类的东西吗？不管你怎么做，T 和 A 的形状只有在你给 T.

喂食时才会完全指定。

像这样：

import keras.backend as K
import numpy as np

K.clear_session()
T = K.placeholder((None, 100))
A = K.ones_like(T)*5

with K.get_session() as sess:
    print(A.eval(feed_dict={T: np.random.rand(1, 100)}))

产生：

[[5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5.
  5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5.
  5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5.
  5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5. 5.
  5. 5. 5. 5.]]

如果要A的行用[0,1,...n-1]填充，用nT的列数，可以用tf.multiply 用于逐元素乘法。

import keras.backend as K
import tensorflow as tf
import numpy as np

K.clear_session()
T = K.placeholder((None, 100))
A = tf.multiply(K.ones_like(T), K.constant(list(range(T.shape[1]))))

with K.get_session() as sess:
    print(A.eval(feed_dict={T: np.random.rand(1, 100)}))

会给你

[[ 0.  1.  2.  3.  4.  5.  6.  7.  8.  9. 10. 11. 12. 13. 14. 15. 16. 17.
  18. 19. 20. 21. 22. 23. 24. 25. 26. 27. 28. 29. 30. 31. 32. 33. 34. 35.
  36. 37. 38. 39. 40. 41. 42. 43. 44. 45. 46. 47. 48. 49. 50. 51. 52. 53.
  54. 55. 56. 57. 58. 59. 60. 61. 62. 63. 64. 65. 66. 67. 68. 69. 70. 71.
  72. 73. 74. 75. 76. 77. 78. 79. 80. 81. 82. 83. 84. 85. 86. 87. 88. 89.
  90. 91. 92. 93. 94. 95. 96. 97. 98. 99.]]

Answer 2

上述解决方案的小补充。如果使用 keras，则需要将 tf 操作包装到 Lambda 层中，否则在尝试创建模型时会出现错误 - 类似于断开连接的图形。所以代码看起来像这样

import tensorflow as tf
import tensorflow.keras as keras
from tensorflow.keras.layers import Input, Lambda
from tensorflow.keras.models import Model

dim1 = ...

T = Input(size=(dim1,))
A = Lambda(lambda x: tf.multiply(tf.ones_like(x,dtype='int32'), tf.constant(list(range(dim1)))))(T)

out=Other_Layers(A,T)
model = Model(inputs=[T],outputs=[out])

Keras：构建与给定张量相同批量大小的完整张量

Keras: Construct a full tensor of the same batch size as a given tensor

python

keras

tensor