Quel serait le moyen le plus efficace de multiplier (élément par élément) un tenseur 2D (matrice):
x11 x12 .. x1N
...
xM1 xM2 .. xMN
par un vecteur vertical:
w1
...
wN
pour obtenir une nouvelle matrice:
x11*w1 x12*w2 ... x1N*wN
...
xM1*w1 xM2*w2 ... xMN*wN
Pour donner un peu de contexte, nous avons M
échantillons de données dans un lot qui peut être traité en parallèle, et chaque échantillon de N
- élément doit être multiplié par des poids w
stockés dans un fichier. variable pour éventuellement choisir le plus grand Xij*wj
pour chaque ligne i
.
Le code le plus simple à faire repose sur le comportement de diffusion de tf.multiply()
*, qui est basé sur comportement de numpy en matière de diffusion :
x = tf.constant(5.0, shape=[5, 6])
w = tf.constant([0.0, 1.0, 2.0, 3.0, 4.0, 5.0])
xw = tf.multiply(x, w)
max_in_rows = tf.reduce_max(xw, 1)
sess = tf.Session()
print sess.run(xw)
# ==> [[0.0, 5.0, 10.0, 15.0, 20.0, 25.0],
# [0.0, 5.0, 10.0, 15.0, 20.0, 25.0],
# [0.0, 5.0, 10.0, 15.0, 20.0, 25.0],
# [0.0, 5.0, 10.0, 15.0, 20.0, 25.0],
# [0.0, 5.0, 10.0, 15.0, 20.0, 25.0]]
print sess.run(max_in_rows)
# ==> [25.0, 25.0, 25.0, 25.0, 25.0]
* Dans les anciennes versions de TensorFlow, tf.multiply()
était appelé tf.mul()
. Vous pouvez également utiliser l'opérateur *
(C'est-à-dire xw = x * w
) Pour effectuer la même opération.