如何在TensorFlow中实现按权重重复向量元素的拼接操作？

当然可以在TensorFlow里实现这个功能！其实TensorFlow早就提供了专门的函数来搞定这个需求——tf.repeat，完全能替代你用Python循环实现的逻辑，而且效率更高（毕竟是原生TensorFlow操作，支持GPU加速）。

基础实现示例 #

针对你给出的例子，用tf.repeat可以一行搞定：

import tensorflow as tf

v = tf.constant([0.5, 0.1, 0.7])
w = tf.constant([2, 3, 0])
result = tf.repeat(v, w)

print(result.numpy())
# 输出：[0.5 0.5 0.1 0.1 0.1]

函数逻辑说明 #

tf.repeat的核心逻辑正好匹配你的需求：

• 第一个参数是待重复的张量（对应你的v）
• 第二个参数是每个元素的重复次数（对应你的w）
• 它会自动按顺序将v中的每个元素重复对应次数后拼接成新张量，完全不需要手动写循环。

扩展：处理高维度张量 #

如果你的v是更高维度的张量，还可以通过axis参数指定重复的维度，比如对二维张量的行进行重复：

v = tf.constant([[1, 2], [3, 4]])
w = tf.constant([2, 3])
result = tf.repeat(v, w, axis=0)

print(result.numpy())
# 输出：
# [[1 2]
#  [1 2]
#  [3 4]
#  [3 4]
#  [3 4]]

相比你用Python循环的实现，tf.repeat不仅代码更简洁，还能更好地适配TensorFlow的计算图模式，避免循环带来的性能瓶颈，非常适合大规模数据处理场景。

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