如何明确地广播张量以匹配张量流中的另一个形状？

我有三个张量,A, B and C在tensorflow,A并且B都是形状(m, n, r),C是二元张量的形状(m, n, 1).

我想根据值选择A或B中的元素C.tf.select然而,明显的工具是没有广播语义,所以我需要首先明确地广播C到与A和B相同的形状.

这将是我第一次尝试如何做到这一点,但它不喜欢我将张量(tf.shape(A)[2])混合到形状列表中.

import tensorflow as tf
A = tf.random_normal([20, 100, 10])
B = tf.random_normal([20, 100, 10])
C = tf.random_normal([20, 100, 1])
C = tf.greater_equal(C, tf.zeros_like(C))

C = tf.tile(C, [1,1,tf.shape(A)[2]])
D = tf.select(C, A, B)

这里的正确方法是什么？

编辑:在0.12rc0之后的所有版本的TensorFlow中,问题中的代码直接起作用.TensorFlow会自动将张量和Python数字叠加到张量参数中.以下使用的解决方案tf.pack()仅在0.12rc0之前的版本中需要.请注意,tf.pack()已tf.stack()在TensorFlow 1.0中重命名为.

您的解决方案非常接近工作.您应该替换该行:

C = tf.tile(C, [1,1,tf.shape(C)[2]])

......以下内容:

C = tf.tile(C, tf.pack([1, 1, tf.shape(A)[2]]))

(究其原因,问题是,TensorFlow不会隐式转换张量和Python文字的列表为张量.tf.pack()采用张量的列表,所以每个元素的它会转换在其输入(1,1,和tf.shape(C)[2])的张量由于每个元素都是标量,因此结果将是一个向量.)