如何放大tensorflow中的张量（重复值）？

我是TensorFlow中的新成员。我试图在本文中实现global_context提取https://arxiv.org/abs/1506.04579，这实际上是整个特征映射的平均汇聚，然后将1x1特征映射复制回原始大小。的说明是如下如何放大tensorflow中的张量（重复值）？

具体而言，预期操作以下。输入：[N，1，1，C]张量，其中N是批量大小，C是通道数输出：[N，H，W，C]张量，其中H，W是高度和宽度原始特征图的所有H * W值都与1x1输入相同。

例如，

[[1, 1, 1] 
1 -> [1, 1, 1] 
    [1, 1, 1]]

我不知道如何做到这一点使用TensorFlow。 tf.image.resize_images需要3个通道，并且tf.pad不能填充零以外的常量值。

来源

2017-03-10 jackykuo

tf.tile可以帮助你

x = tf.constant([[1, 2, 3]]) # shape (1, 3) 
y = tf.tile(x, [3, 1]) # shape (3, 1) 
y_ = tf.tile(x, [3, 2]) # shape (3, 6) 

with tf.Session() as sess: 
    a, b, c = sess.run([x, y, y_]) 

>>>a 
array([[1, 2, 3]], dtype=int32) 
>>>b 
array([[1, 2, 3], 
     [1, 2, 3], 
     [1, 2, 3]], dtype=int32) 
>>>c 
array([[1, 2, 3, 1, 2, 3], 
     [1, 2, 3, 1, 2, 3], 
     [1, 2, 3, 1, 2, 3]], dtype=int32)

tf.tile(input, multiples, name=None)
multiples意味着你要多少次在该轴重复
在y_重复axis0 3倍
在 y重复axis0 3次，AXIS1 2次

您可能需要使用tf.expand_dim第一个

是的，它接受动态形状

x = tf.placeholder(dtype=tf.float32, shape=[None, 4]) 
x_shape = tf.shape(x) 
y = tf.tile(x, [3 * x_shape[0], 1]) 

with tf.Session() as sess: 
    x_ = np.array([[1, 2, 3, 4]]) 
    a = sess.run(y, feed_dict={x:x_}) 
>>>a 
array([[ 1., 2., 3., 4.], 
     [ 1., 2., 3., 4.], 
     [ 1., 2., 3., 4.]], dtype=float32)

来源

2017-03-10 06:20:42 xxi

谢谢，我发现这点。是否可以使用tf.tile动态张量形状？例如'tf.tile（input，[1，ori.get_shape（）[1]，ori.get_shape（）[2]，1]）''。我不想解决网络中的扩大费率问题。 – jackykuo

是的，它接受动态形状，增加新的例子 – xxi

如何放大tensorflow中的张量（重复值）？

回答

相关问题