Tensorflow：如何平铺以特定顺序重复的张量？ [复制]

Question

例如，我有一个张量 A = tf.Variable([a, b, c, d, e]) 并通过 tf.tile()，它可以给出像[a, b, c, d, e, a, b, c, d, e]这样的张量

但我想将A 改造成类似：[a, a, b, b, c, c, d, d, e]，其中元素在原始位置重复。

实现这一目标的最有效的方法（更少的操作）是什么（通过不同的操作）？

Answer 1

您可以通过添加维度、沿该维度平铺并移除它来实现：

import tensorflow as tf

A = tf.constant([1, 2, 3, 4, 5])

B = tf.expand_dims(A, axis=-1)
C = tf.tile(B, multiples=[1,2])
D = tf.reshape(C, shape=[-1])

with tf.Session() as sess:
    print('A:\n{}'.format(A.eval()))
    print('B:\n{}'.format(B.eval()))
    print('C:\n{}'.format(C.eval()))
    print('D:\n{}'.format(D.eval()))

给予

A:
[1 2 3 4 5]
B: # Add inner dimension
[[1]
 [2]
 [3]
 [4]
 [5]]
C: # Tile along inner dimension
[[1 1]
 [2 2]
 [3 3]
 [4 4]
 [5 5]]
D: # Remove innermost dimension
[1 1 2 2 3 3 4 4 5 5]

编辑：正如 cmets 中所指出的，使用 tf.stack 允许在旅途中指定附加维度：

F = tf.stack([A, A], axis=1)
F = tf.reshape(F, shape=[-1])

with tf.Session() as sess:
    print(F.eval())

[1 1 2 2 3 3 4 4 5 5]