nhân hiệu quả yếu tố khôn ngoan của một ma trận và vector trong TensorFlow

Question

Điều gì sẽ là cách hiệu quả nhất để nhân (yếu tố khôn ngoan) một tensor 2D (ma trận):

x11 x12 .. x1N 
... 
xM1 xM2 .. xMN 

bởi một vector dọc:

w1 
... 
wN 

để có được một ma trận mới:

x11*w1 x12*w2 ... x1N*wN 
... 
xM1*w1 xM2*w2 ... xMN*wN 

để cung cấp cho một số bối cảnh, chúng tôi có M dat một mẫu trong một mẻ có thể được xử lý song song và mỗi mẫu N phải được nhân với trọng số w được lưu trữ trong biến để cuối cùng chọn Xij*wj lớn nhất cho mỗi hàng i.

Answer 1

Mã đơn giản nhất để làm điều này dựa vào các hành vi phát sóng của tf.multiply()^*, mà là dựa trên numpy's broadcasting behavior:

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] 

^* Trong các phiên bản cũ của TensorFlow, tf.multiply() được gọi tf.mul(). Bạn cũng có thể sử dụng toán tử * (ví dụ: xw = x * w) để thực hiện cùng một thao tác.