Tensorflow：如何从向量字典中构建矩阵？答案

【问题标题】：Tensorflow: How to build a matrix from a dictionary of vectors?Tensorflow：如何从向量字典中构建矩阵？
【发布时间】：2018-03-22 09:43:26
【问题描述】：

我想在 tensorflow 中做一些在 NumPy 中非常简单的事情。我不知道如何在 tf 中做到这一点，我也怀疑它是否能按我的意思工作。

基本上在 NumPy 中，我有一个随机初始化的列向量字典。类似的东西

F = 6
keys = np.arange(1.0,4.0)
init_dict = {}
for key in keys:
    init_dict[key] = np.random.random(size=(F,1))

我有一个包含一定数量键的行向量，所以我构建了一个矩阵，其中每一列都是字典中包含的列向量之一。它看起来像这样

inp = np.hstack((keys,keys)).reshape(1,-1)
mat = np.repeat(inp, F, axis=0)
for i in range(mat.shape[1]):
    mat[:,i] = init_dict[mat[0,i]][:,0]

这个mat 然后进入我的模型。这个想法是训练存储在init_dict中的随机初始化的列向量。

我想在 TF 中做同样的事情。如何在TF中构建类似于mat的东西？

基本上mat 将是tf.Variable，其中每一列都指向另一个tf.Variable（字典中的那个）...这对我来说有点模糊，尤其是在反向传播方面，因为我想要所有mat 的列的梯度对于字典中存储的相应向量的贡献是相同的。

这可能吗？

【问题讨论】：

标签： python numpy matrix tensorflow concatenation

【解决方案1】：

使用tf.stack。示例：

import tensorflow as tf

session = tf.InteractiveSession()

d = {
  'foo': tf.Variable([1, 2, 3]),
  'bar': tf.Variable([4, 5, 6]),
  'baz': tf.Variable([7, 8, 9]),
}

session.run(tf.global_variables_initializer())
print(d['foo'].eval())
# >>> [1 2 3]

mat = tf.stack(list(d.values()), axis=1)
print(mat.eval())
# >>> [[1 4 7]
#      [2 5 8]
#      [3 6 9]]

【讨论】：