广播与相同 y_data 配对的多个版本的 X_data

Question

我的深度学习架构也接受大小为 512 的输入向量和大小为 512 的输出向量。

问题是我有

X_data

版本与相同的

y_data

配对。

我有这些张量：

(4, 8, 512) -> (batch_size, number of X_data version, input size to model architecture) (list of X_data)

(4, 512) -> (batch_size, output size to model architecture) (y_data)

这意味着：

X_data[0,0,:] is pairing with y_data[0,:]
X_data[0,1,:] is pairing with y_data[0,:]
...
X_data[0,7,:] is pairing with y_data[0,:]
X_data[1,0,:] is pairing with y_data[1,:]
X_data[1,1,:] is pairing with y_data[1,:]
...
X_data[1,7,:] is pairing with y_data[1,:]
...
X_data[3,7,:] is pairing with y_data[3,:]

X_data 和 y_data 的最终张量形状是什么，以便我可以训练模型？

你能在 NumPy 中做到这一点吗？

Answer 1

要将数组重塑为

(32, 512)

数组，其中

X_data

和

y_data

与您指定的方式匹配，您可以执行以下操作：

import numpy as np

X_data = np.random.rand(4, 8, 512)
y_data = np.random.rand(4, 512)

X_data, y_data = np.broadcast_arrays(X_data, y_data[:, None, :])
X_data = X_data.reshape(32, 512)
y_data = y_data.reshape(32, 512)
``