변형 후 치수 전 환 : 필요할 때?

Question

tf.reshape은 텐서 데이터 구조의 차원을 변경할 수 있지만 각 차원에서 데이터를 정렬하는 방법에 대한 보장은 있습니까?

다른 객체, 위치 및 시간에 걸쳐 값을 설명하고 다른 숫자는 B[x,t]에 불과한 치수가 A[objects, x, t] 인 텐서가 있다고 가정합니다. 나는 보통해야 할이 같은 차원에 걸쳐 공을 B을 복사하기 위해 고쳐 :

B_res = tf.tile(tf.reshape(B , [1, X_SIZE, T_SIZE]), tf.pack([OBJECT_SIZE,1,1])) 
some_op = tf.mul(A, B_res) 

X_SIZE == T_SIZE 모양 변경이 모두를 위해, 모양 변경에 B 데이터를 정렬하는 방법을 알 수있는 방법이없는 때 표시되는 문제가 치수 2의 B을 따라 B_res의 데이터를 정렬 할 수 있습니다.

reshape 데이터 주문에 대한 규칙이 있습니까? 몇개의 tf.transpose 작업이 필요하다면 알고 싶습니다. tf.reshape

Answer 1

메모리 배열/텐서는 실제로는 단지 1D 객체입니다. 따라서 10x10 배열을 저장해야한다고 가정 해보십시오. 메모리에서 이것은 첫 번째 10 요소가 첫 번째 행에 해당하는 길이 100의 1D 배열 일 것입니다. 이를 행 주요 순서로 알려져 있습니다. 20x5 모양으로 다시 변형하고 싶다고합시다. 기본 메모리는 변형에 의해 변경되지 않으므로 처음 10 개의 요소가 이제 1 행 및 2 행을 구성합니다. 반면에 Transpose는 차원의 위치를 ​​변경하는 동안 행의 주 순서를 유지하기 위해 메모리를 물리적으로 재정렬합니다.

나는 또한 당신이 unessarily 기와라고 생각합니다. 방송에 대해 읽어야합니다. 나는 네가 다음을 할 수 있다고 생각해. 자동 A.의 제 차원

참고 따라 B를 방송한다이 경우

some_op = A * tf.reshape(B, [1, X_SIZE, T_SIZE]) 

. 나는 tensorflow가 행 주요 또는 열 주요 순서를 사용하고 있지만 동일한 개념이 여전히 적용되는지는 확실하지 않습니다.