如何从RaggedTensor中减去形状为(2,)的Tensor？

你的场景是用RaggedTensor存储绘画笔触点数据，需要对所有x/y坐标分别做归一化，但直接和shape(2,)的均值、标准差做减法时触发维度不匹配错误，这是因为RaggedTensor的广播规则要求张量维度能和其层级结构对齐。

这里有两种简便的解决方法：

方法1：扩展均值/标准差的维度以匹配广播规则 #

因为你的RaggedTensor最后一维是固定长度2（对应x/y坐标），而均值mean和标准差STD的形状是(2,)，只需要给它们扩展两个前置维度（对应笔画数、点数的可变维度），就能和RaggedTensor完成广播运算：

# 扩展维度，将(2,)转为(1,1,2)
mean_expanded = tf.expand_dims(mean, axis=[0, 1])
std_expanded = tf.expand_dims(STD, axis=[0, 1])
# 执行归一化
normalized_points = (list_points - mean_expanded) / std_expanded

方法2：用tf.ragged.map_flat_values遍历运算 #

利用map_flat_values方法直接对RaggedTensor最内层的每个坐标点做运算，这个方法会自动处理层级结构，无需手动调整维度：

normalized_points = tf.ragged.map_flat_values(lambda point: (point - mean) / STD, list_points)

两种方法都能完成归一化，测试时可以用你提供的示例数据验证：输入的RaggedTensor经过运算后，每个点的x坐标会减去所有x的均值、除以x的标准差，y坐标同理。

内容的提问来源于stack exchange，提问作者Aiden Yun