从Tensorflow中的tf.matmul（tf.transpose（A），A）中获取对角线元素

Question

我有一个包含几列的矩阵A ，我需要计算自点积，即tf.matmul(A[:,i]), A[:,i], transpose_a=True) ，其中i索引了A列。 一种方法是只计算tf.matmul(A,A, transpose_a=True)并提取对角线，但这涉及很多多余的乘法（所有非对角线结果都被丢弃，并且非对角线结果是大多数任何大于2 x 2的矩阵的结果）。 另一种方法是做类似的事情

out = []
for i in range(tf.shape(A)[1]):
    out.append(tf.matmul((A[:,i],A[:,i],transpose_a=True))

然后收集out成tf.Tensor 。 但是似乎这是一个相当普通的计算，因此我希望为此存在一个函数（即计算权重向量的平方范数）。

Answer 1

您可以将矩阵本身按元素相乘，然后沿轴0相加。

import tensorflow as tf
tf.InteractiveSession()

A = tf.reshape(tf.range(12), (3, 4))
tf.reduce_sum(tf.pow(A, 2), axis=0).eval()

回报

array([ 80, 107, 140, 179], dtype=int32)

Answer 2

只需一点线性代数，您就能找到解决方案：

这意味着您需要执行以下操作： tf.reduce_sum(tf.square(A), axis=0)