时间:2021-05-22
如下所示:
# u [32,30,200]# u_logits [400,32,30]q_j_400 = [] for j in range(400): q_j_400.append(tf.squeeze(tf.matmul(tf.transpose(u,[0,2,1]),tf.expand_dims(tf.nn.softmax(u_logits[j]),-1)),[2])) # tf.matmul [32,200,30],[32,30,1]test_result = tf.stack(q_j_400)test_result = tf.transpose(test_result,[1,0,2])可以通过tf.tile实现更高速的版本
# u [32,30,200]# u_logits [32,400,30]u_tile = tf.tile(tf.expand_dims(u,1),[1,400,1,1])u_logits = tf.expand_dims(tf.nn.softmax(u_logits,-1),-1)test_result = tf.reduce_sum(u_logits * u_tile,-2) # [32,400,30,1]*[32,400,30,200]以上这篇tensorflow 用矩阵运算替换for循环 用tf.tile而不写for的方法就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。
声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。
tensorflow中tile是用来复制tensor的指定维度,具体看下面的代码:importtensorflowastfa=tf.constant([[1,2
tf.tile()应用于需要张量扩展的场景,具体说来就是:如果现有一个形状如[width,height]的张量,需要得到一个基于原张量的,形状如[batch_s
首先使用tf.where()将满足条件的数值索引取出来,在numpy中,可以直接用矩阵引用索引将满足条件的数值取出来,但是在tensorflow中这样是不行的。
NumPy是一个关于矩阵运算的库,熟悉Matlab的都应该清楚,这个库就是让python能够进行矩阵话的操作,而不用去写循环操作。下面对numpy中的操作进行总
前言NumPy是Python用于处理大型矩阵的一个速度极快的数学库。它允许你在Python中做向量和矩阵的运算,而且很多底层的函数都是用C写的,你将获得在普通P