針對多維情況，需要保證維度一致性，舉個栗子：

需要對保證除需廣播的維度以外其余所有維度均相等即可

舉個栗子

import tensorflow as tf a = tf.random_normal([1,2,3]) b = tf.random_normal([1,2]) d = a*b with tf.Session() as sess:print(sess.run(d))

當代碼段如上時，報錯維度不一致

原因，雖然a和b的前兩個維度一致，但b缺少了第3個維度，無法廣播

再來看正確的廣播方式

import tensorflow as tf a = tf.random_normal([1,2,3]) b = tf.random_normal([1,2]) c = b[...,tf.newaxis] e = a*c with tf.Session() as sess:print(sess.run(e))

成功輸出結果

這里是因為c增加了第三個維度，使得只有在廣播的維度（第三維度）上二者不同，因此可以成功應用廣播。

參考TensorFlow 和 NumPy 的 Broadcasting 機制探秘 - 簡書

總結

以上是生活随笔為你收集整理的Tensorflow broadcast 广播机制的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。