Tensorflow 2.x：创建无维度和最终维度为一的张量

Question

我有一个形状为 [None, n_steps, n_filt] 的张量，我需要将一个新的“标量”特征连接到该张量（称之为 x）。它的维度为[None, 1]。该标量应作为新的特征值附加，为每一步添加相同的常数值并生成形状为[None, n_steps, n_filt+1] 的新张量。理想情况下，我会创建一个新张量并将新张量连接到它：

new_feat = tf.ones([None, n_steps, 1]) * x 
tf.concat([orig_tensor, new_feat], axis=2)

但我无法创建一个无形状的张量。我收到以下错误：

ValueError: Attempt to convert a value (None) with an unsupported type (<class 'NoneType'>) to a Tensor.

经过一番折腾，我发现了ones_like() 方法，它复制了原始张量的形状。但是我需要将最后一个维度减少到一个，并且使用切片会破坏该维度。我可以重新创建它，但它是一团糟。 我构建了以下行，它可以满足我的需求，但看起来不必要地冗长。有没有更好的方法来做到这一点：

new_feat = tf.expand_dims(tf.ones_like(orig_tensor)[:,:,0],axis=-1)*x
tf.concat([orig_tensor, new_feat], axis=2)

编辑：即使上面的代码编译，它也不会运行。叹息。

Incompatible shapes: [1000,156,1] vs. [1000,1]

编辑 2：这是另一个尝试。从维度 = [None, 1] 的原始特征开始，使用expand_dim() 插入新维度，然后使用gather() 复制中间维度：

tf.gather(tf.expand_dims(x, axis=1), indices=[0]*n_steps, axis=1)

编辑 3：这是另一种选择：

tf.tile(tf.expand_dims(x, axis=1), multiples=[1,n_steps,1])

Answer 1

以最简单的方式，您可以定义两个输入层，然后将它们连接在一起：

import tensorflow as tf
import numpy as np

n_steps = 3
n_filt = 5
input_0 = tf.keras.layers.Input((n_steps, n_filt))
input_1 = tf.keras.layers.Input((n_steps, ))
new_feat = tf.keras.layers.Reshape((n_steps, 1))(input_1)
cat = tf.keras.layers.Concatenate(axis=-1)([input_0, new_feat])

model = tf.keras.Model(inputs=[input_0, input_1], outputs=cat)
model.summary()

batch_size = 2
scalar_value = 1
inp_0 = np.random.rand(batch_size, n_steps, n_filt)
inp_1 = np.full((batch_size, n_steps), scalar_value)
out_cat  = model([inp_0, inp_1])
print(out_cat)