如何将两个形状不同的张量与张量流连接起来?

这应该可以做到:

import tensorflow as tf

a = tf.constant([[[1,2], [3,4]], [[5,6], [7,8]]]) 
b = tf.constant([[10,11], [12,13]])

c = tf.expand_dims(b, axis=1) # Add dimension
d = tf.tile(c, multiples=[1,2,1]) # Duplicate in this dimension
e = tf.concat([a,d], axis=-1) # Concatenate on innermost dimension

with tf.Session() as sess:
    print(e.eval())

给予:

[[[ 1  2 10 11]
[ 3  4 10 11]]

[[ 5  6 12 13]
[ 7  8 12 13]]]

实际上有一个不同的技巧,在诸如OpenAI基线之类的代码库中经常使用。

假设高斯策略有两个张量。 mu 和 std . 标准差的形状与 亩 对于批处理大小1,但由于对所有操作使用相同的参数化标准偏差,因此当批处理大小大于1时,两者将不同:

mu : Size<batch_size, feat_n>
std: Size<1, feat_n>

在这种情况下,要做的一件简单的事情(就像OpenAI基线所做的那样)就是:

params = tf.concat([mu, mu * 0 + std])

零乘法将 性病 与 亩 .

好好享受,祝你训练顺利!

附言: numpy 和 tensorflow 的 concat 运算符不自动应用广播,因为根据维护者的说法,当两个张量的形状不匹配时,通常是编程错误的结果。这在numpy中并不是什么大问题,因为计算是迫切需要评估的。但对于tensorflow,这意味着您必须使用 tf.shape 接线员。