我正尝试将一个[X，10，10，1]矩阵除以每个[10，10，1]矩阵的和-所以将[X，10，10，1]除以[X，1]，但是使用tf.broadcast_to会产生一个“不兼容的形状”错误，如下所示：
t1 = tf.ones([128, 10, 10, 1])
t1_sum = tf.reduce_sum(t1, [1, 2]) # Yields a [128, 1]
t1_sum_reshaped = tf.broadcast_to(t1_sum, (t1.shape))
divided = tf.math.divide(t1, t1_sum_reshaped)使用tf.broadcast_to时出现错误w/ X=128：不兼容的形状：[128，1]对[128，10，10，1] [操作员：广播至]
我让除法工作的变通方法如下所示，但它似乎非常慢（而且愚蠢）
t1 = tf.ones([128, 10, 10, 1])
t1_sum = tf.reduce_sum(t1, [1, 2]) # Yields a [128, 1]
t1_sum = tf.stack([t1_sum, t1_sum, t1_sum, t1_sum, t1_sum, t1_sum, t1_sum, t1_sum, t1_sum, t1_sum], axis=-2) # Yields a [128, 10, 1]
t1_sum = tf.stack([t1_sum, t1_sum, t1_sum, t1_sum, t1_sum, t1_sum, t1_sum, t1_sum, t1_sum, t1_sum], axis=-2) # Yields a [128, 10, 10, 1]
divided = tf.math.divide(t1, t1_sum)有没有更好的办法？
1条答案
按热度按时间u5rb5r591#
看起来你可以把keepdims=True参数添加到你的代码中，它会按预期工作：
完成此操作后，您可以删除线
t1_sum_reshaped = tf.broadcast_to(t1_sum, t1.shape，因为它已经具有所需的形状。