0

v通常，当我们将一个维度向量1*n与一个维度张量T相乘时m*n*k，我们期望得到一个维度为m*k/的矩阵/张量m*1*k。这意味着我们的张量具有m维度为 的矩阵切片n*k，并v与每个矩阵相乘，并将结果向量堆叠在一起。为了在 中进行这种乘法tensorflow，我提出了以下公式。我只是想知道是否有任何内置函数可以直接执行此标准乘法？

T = tf.Variable(tf.random_normal((m,n,k)), name="tensor") 
v = tf.Variable(tf.random_normal((1,n)), name="vector")  
c = tf.stack([v,v]) # m times, here set m=2
output = tf.matmul(c,T)
4

2 回答 2

1

你可以这样做：

tf.reduce_sum(tf.expand_dims(v,2)*T,1)

代码：

m, n, k = 2, 3, 4
T = tf.Variable(tf.random_normal((m,n,k)), name="tensor") 
v = tf.Variable(tf.random_normal((1,n)), name="vector")  


c = tf.stack([v,v]) # m times, here set m=2    
out1 = tf.matmul(c,T) 

out2 = tf.reduce_sum(tf.expand_dims(v,2)*T,1)
with tf.Session() as sess:
  sess.run(tf.global_variables_initializer())
  n_out1 = sess.run(out1) 
  n_out2 = sess.run(out2)
  #both n_out1 and n_out2 matches
于 2018-05-11T23:26:42.463 回答
0

不确定是否有更好的方法，但听起来你可以这样使用tf.map_fn：

 output = tf.map_fn(lambda x: tf.matmul(v, x), T)
于 2018-05-11T23:33:01.773 回答