Tensorflow broadcast 广播机制

针对多维情况，需要保证维度一致性，举个栗子：

需要对保证除需广播的维度以外其余所有维度均相等即可

举个栗子

import tensorflow as tf a = tf.random_normal([1,2,3]) b = tf.random_normal([1,2]) d = a*b with tf.Session() as sess:print(sess.run(d))

当代码段如上时，报错维度不一致

原因，虽然a和b的前两个维度一致，但b缺少了第3个维度，无法广播

再来看正确的广播方式

import tensorflow as tf a = tf.random_normal([1,2,3]) b = tf.random_normal([1,2]) c = b[...,tf.newaxis] e = a*c with tf.Session() as sess:print(sess.run(e))

成功输出结果

这里是因为c增加了第三个维度，使得只有在广播的维度（第三维度）上二者不同，因此可以成功应用广播。

参考TensorFlow 和 NumPy 的 Broadcasting 机制探秘 - 简书

总结

以上是生活随笔为你收集整理的Tensorflow broadcast 广播机制的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。