在Tensorflow中减少两个张量

Question

我有两个张量。

1. 甲张量形状的（1，N）
2. 甲张量形状的（N，T）

我想要计算如下标量：

tf.reduce_sum似乎有帮助，但我无法把我的头结合两张张，并减少功能，以得到我想要的。有人可以帮助我如何在tensorflow中写上述方程吗？

Answer 1

这是行不通的？

import tensorflow as tf 
import numpy as np 

N = 10 
T = 20 
l = tf.constant(np.random.randn(1, N), dtype=tf.float32) 
z = tf.constant(np.random.randn(N, T), dtype=tf.float32) 

with tf.Session() as sess: 
    # swap axis for broadcasting to work 
    l = tf.transpose(l, [1, 0]) 
    z_div_l = tf.divide(z, l) 
    z_div_l_2 = tf.divide(1.0 - z, 1.0 - l) 
    result = tf.reduce_sum(tf.add(z_div_l, z_div_l_2), axis=0) 
    eval_result = sess.run(result) 
    print('{}\n{}'.format(eval_result.shape, eval_result)) 

此计算每t从0到T-1的上述表达式中，因此它不是一个标量，但尺寸(T,)的向量。你的问题提到你只想计算一个标量，但总和只是超过N而不是超过T，所以我假设你只是想每个t都要评估这个表达式。