神经网络学习-tensorflow2.0-Broadcasting

相较于tf.expand_dim、tf.tile，broadcasting，broadcasting使用更加简洁，并且更加节省内存空间。

broadcasting作为tensor运算时的一种优化手段，会在进行运算的tensor满足一定条件时自动进行优化，也可使用tf.broadcast_to将tensor扩展为指定维度。

值得注意的是，在使用broadcasting进行维度扩展时，被扩展的维度值要么为1，要么事先没有此维度。

进行broadcasting时，将对原tensor的shape和欲扩展的shape进行左对齐操作，这里需要注意的是，若两者之间有不同且不同的两者都不为1，则将发生错误。

example:

input:

a=tf.random.normal([4,28,28,3])
b=tf.random.normal([3])
c=(a+b).shape
d=(tf.broadcast_to(b,a.shape)).shape
e=(tf.broadcast_to(b,[4,3,5,3])).shape
print(c,‘\n‘,d,‘\n‘,e)

output:

(4, 28, 28, 3)
(4, 28, 28, 3)
(4, 3, 5, 3)

神经网络学习-tensorflow2.0-Broadcasting

原文：https://www.cnblogs.com/ladade/p/13771694.html