Tensorflow broadcast 广播机制

本文讲解了TensorFlow中广播机制的重要性,通过实际例子说明如何确保多维数组操作时维度的一致性,并展示了正确使用广播进行元素相乘的操作过程。理解并掌握这一概念对于避免维度错误至关重要。
部署运行你感兴趣的模型镜像

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

您可能感兴趣的与本文相关的镜像

TensorFlow-v2.15

TensorFlow-v2.15

TensorFlow

TensorFlow 是由Google Brain 团队开发的开源机器学习框架,广泛应用于深度学习研究和生产环境。 它提供了一个灵活的平台,用于构建和训练各种机器学习模型

评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值