例如（我可以用Theano轻松做到这一点）：

std_var = T.repeat(T.exp(log_var)[None, :], Mean.shape[0], axis=0)

对于TF，Mean的形状是（？, num），但log_var的形状是（num,）

我不知道如何在TensorFlow中实现同样的操作…

回答：

你可以使用shape在评估时提取占位符的形状。然后简单地使用tile来平铺张量。例如，对于：

num = 3p1 = tf.placeholder(tf.float32, (None, num))p2 = tf.placeholder(tf.float32, (num,))

操作如下：

op = tf.tile(tf.reshape(p2, [1, -1]), (tf.shape(p1)[0], 1))sess.run(op, feed_dict={p1:[[1,2,3],                            [4,5,6]],                         p2: [1,2,1]})

将会得到：

array([[ 1.,  2.,  1.],       [ 1.,  2.,  1.]], dtype=float32)

然而，在大多数情况下，你实际上不需要这样做，因为你可以依赖TF操作的广播行为。例如：

op = tf.add(p1, p2)sess.run(op, feed_dict={p1:[[1,2,3],                            [4,5,6]],                         p2: [1,2,1]})

将会得到：

array([[ 2.,  4.,  4.],       [ 5.,  7.,  7.]], dtype=float32)