如何通过TensorFlow广播或非NumPy方法实现指定张量运算结果？

实现思路 #

观察目标结果可知，是将张量t2分别与t1中的每个元素相乘，再将两个乘积序列按顺序拼接为一维张量。利用TensorFlow的广播机制可以高效完成该操作，无需转换为NumPy数组。

代码实现 #

import tensorflow as tf

# 定义原始张量
t1 = tf.convert_to_tensor([1, 2])
t2 = tf.convert_to_tensor([3, 7.2, 4, 3, 8])

# 广播相乘：将t1转为列向量，与t2自动广播匹配后逐元素相乘
broadcast_result = t1[:, tf.newaxis] * t2

# 展平为一维张量并显式转换为float32类型
final_result = tf.cast(tf.reshape(broadcast_result, [-1]), dtype=tf.float32)

# 验证输出
print(final_result.numpy())
# 输出：[ 3.  7.2  4.  3.  8.  6. 14.4  8.  6. 16.]
print(final_result.dtype)
# 输出：<dtype: 'float32'>

步骤说明 #

• 广播维度调整：t1[:, tf.newaxis]将形状为(2,)的t1转换为(2,1)的列向量，此时与形状为(5,)的t2进行乘法运算时，TensorFlow会自动将t2广播为(2,5)的张量，完成逐元素相乘，得到形状为(2,5)的中间结果（第一行是t2*1，第二行是t2*2）。
• 展平张量：tf.reshape(broadcast_result, [-1])将二维中间结果展平为一维，-1表示自动计算维度长度（此处为2*5=10）。
• 类型转换：tf.cast(..., tf.float32)显式将张量转换为float32类型，确保与目标结果的数据类型一致。

内容的提问来源于stack exchange，提问作者CA Khan