问题标签 [tensordot]

我有两个形状的ndarray：

我需要将 A 和 B 相乘以获得新的 ndarray：

另一种思考方式是，向量 B 的每一行沿 A 的轴 =-2 相乘，得到一个新的 1,32,512,640 立方体。B 的每一行可以循环形成 1,32,512,640 个立方体，然后可以使用np.concatenateor来构建 C np.vstack，例如：

但是我想知道是否可以使用类似的东西np.einsum或np.tensordot将其全部矢量化在一行中。我还在学习如何使用这两种方法，所以我不确定这里是否合适。

谢谢！

我有一个形状为 (2,2,N) 的矩阵 A 和一个形状为 (2,N) 的矩阵 V

我想对以下内容进行矢量化：

任何方式都可以使用 tensordot 或任何其他 numpy 函数来完成，而无需显式循环？

这是一个简单的代码，可以将 4D 矩阵 a 乘以 3D 矩阵 b 进行“批量相乘”：

对于时间：

我想测试一下 tensordot 的性能以查看它的比较情况，但我真的很难在这里了解如何使用它。如果有人足够熟悉来指导我，将不胜感激。谢谢！

我最初的想法是：

但这给了我一个 MemoryError 所以我认为这是不对的......

目标 我的目标是计算您可以在下面看到的公式给出的张量。指数 i、j、k、l 从 0 到 40，p、m、x 从 0 到 80。

Tensordot 方法这个总和只是收缩了巨大张量的 6 个指数。我试图通过允许这种计算的张量点来做到这一点，但是我的问题是内存，即使我先做一个张量点，然后再做另一个。（我在 colab 工作，所以我有 12GB RAM 可用）

嵌套循环方法但是有一些额外的对称性控制 B 矩阵，即 B{ijpx} 的唯一非零元素使得 i+j= p+x。因此，我能够将 p 和 m 写为 x (p=i+jx, m=k+lx) 的函数，然后我做了 5 个循环，即为 i,j,k,l,x 但另一方面时间是问题，因为计算需要 136 秒，我想重复很多次。

嵌套循环方法中的时序目标将时间减少 10 倍是令人满意的，但如果可以将其减少 100 倍，那就绰绰有余了。

您对解决内存问题或减少时间有什么想法吗？您如何处理带有附加约束的此类求和？

（备注：矩阵 A 是对称的，到目前为止我还没有使用过这个事实。没有更多的对称性。）

这是嵌套循环的代码：

张量点方法的代码：

我目前正在尝试使用 numpy 为向量创建一个张量点。例如，假设我有以下变量：

我想计算“向量的张量积”，即 [a[0]*b[0], a[0]*b[1], a[1]*b[0], a[1] *b[1]] 这将在我们的示例中给出：

我已经尝试了许多沿不同轴使用 tensordot 的组合，但它从来没有给我想要的结果:((

例如，我尝试了以下操作：

这给了我array(70)

或者np.tensordot(a,b, axes = 0) 这给了我

我还尝试使用不同的轴，例如np.tensordot(a,b, axes = ([0], [1]))没有成功...

有人可以帮帮我吗？:) 我确定这很微不足道，但我似乎错过了一些东西

谢谢。

我tf.tensordot在 Tensorflow 中玩耍。但是，我遇到了一些困扰我的不一致之处。下面是一个可重现的例子：

这将返回一个具有维度的张量(150, 196, 22)

这将返回一个具有维度的张量(1, 196, 22)

现在，如果我们测试第一个元素 fromoutput_150是否几乎等于第一个也是唯一一个元素 from output_1，结果是两个数组之间不匹配。

另一方面，如果我们这样做：

我们看到输入完全相同。话虽如此，我希望 的输出tf.tensordot也相同，但事实并非如此。

同样，这是使用and的tf.tensordot等价物：tf.reshapetf.matmul

结果完全相同，输出数组之间不匹配。这个怎么可能？

我需要用一个向量得到许多向量的点积。示例代码：

我想得到b反对的每一行的点积a。我可以迭代：

这使：

[5, 17, 2, 0]

我怎样才能在不迭代的情况下得到这个？谢谢！

我有两个 3D 张量，张量A有 shape[B,N,S]和张量B也有 shape [B,N,S]。我想要得到的是第三个张量C，我希望它有[B,B,N]形状，其中元素C[i,j,k] = np.dot(A[i,k,:], B[j,k,:]. 我也想实现这是一种矢量化的方式。

一些进一步的信息：这两个张量A和B有 shape [Batch_size, Num_vectors, Vector_size]。张量C, 应该表示批次 from 中的A每个元素与批次 from 中的每个元素之间的点积B，以及所有不同向量之间的点积。

希望它足够清楚，期待您的回答！

我想计算两组特征矩阵X和每组Y 维度之间的乘积(H,W,12)：

我会低效地做：

这将输出H维度(H,W,144)

如何在不迭代两个循环的情况下在 pytorch 中完成？

我尝试过使用 tensordot 解决方案，但无法复制该行为。

我有一个二维张量。我想将该 2D 张量中的每个向量和tf.tensordot(vector, matrix, axes=1)3D 张量中的矩阵获取，该矩阵在 3D 张量中与向量在 2D 张量中具有相同的索引。

本质上，我希望得到与这个 for 循环相同的结果，但是通过执行 tensorflow 矩阵运算而不是 numpy 和循环：

它的输出应该是一个看起来像这样的矩阵（尽管类型会有所不同）：

[array([6., 6., 9.], dtype=float32), array([3., 4., 6.], dtype=float32)]