如何在TensorFlow中为批量三维张量追加行？

当然有非常简便的实现方式！核心思路是用TensorFlow的tf.concat()函数，只要保证待追加的行张量和原张量的维度匹配，就能轻松在指定轴上完成拼接。

关键要点 #

你的原张量形状是[batch_size, num_rows, num_cols]，要追加行的话，需要把待添加的行调整为[batch_size, 1, num_cols]的形状——这样才能和原张量在**行维度（axis=1）**上对齐拼接。

分场景实现 #

场景1：所有样本追加同一固定行

比如你要给每个batch里的矩阵都追加[1,1]这一行：

import tensorflow as tf

# 示例原张量：batch_size=3，3个2×2的矩阵
context = tf.constant([
    [[1,2], [3,4]],
    [[5,6], [7,8]],
    [[9,10], [11,12]]
], dtype=tf.float32)

# 定义要追加的固定行
v = tf.constant([1, 1], dtype=tf.float32)
# 调整维度：先扩展为[1,1,2]，再复制到batch_size份，得到[3,1,2]
v_batch = tf.tile(tf.expand_dims(tf.expand_dims(v, 0), 0), 
                  [tf.shape(context)[0], 1, 1])

# 在axis=1（行维度）拼接
result = tf.concat([context, v_batch], axis=1)

print(result.shape)  # 输出 (3, 3, 2)，符合预期的[batch_size, num_rows+1, num_cols]

场景2：每个样本追加不同的行

如果要追加的行是每个样本独有的（比如q_p是形状为[batch_size, num_cols]的张量），只需给它扩展一个行维度即可：

# 示例：每个样本对应不同的追加行
q_p = tf.constant([[0,0], [2,2], [3,3]], dtype=tf.float32)
# 扩展维度为[batch_size, 1, num_cols]
q_p_expanded = tf.expand_dims(q_p, axis=1)

# 拼接得到结果
result = tf.concat([context, q_p_expanded], axis=1)

为什么这么做？ #

• tf.expand_dims()用来给张量增加维度，确保待追加的行在**行维度（axis=1）**上的长度为1；
• tf.tile()用来把单一行复制到整个batch的规模，保证batch维度和原张量一致；
• tf.concat()是核心拼接函数，指定axis=1就能在原张量的行后面追加新行。

内容的提问来源于stack exchange，提问作者Roflcakzorz