廣播np.dot vs tf.matmul以進行張量矩陣乘法（形狀必須為2級，但為3級錯誤）

Question

假設我有以下張量：

X = np.zeros((3,201, 340))
Y = np.zeros((340, 28))

用numpy成功制作X，Y的點積，並產生形狀的張量（3，201，28）。 但是使用tensorflow我得到以下錯誤： Shape must be rank 2 but is rank 3 error ...

最小代碼示例：

X = np.zeros((3,201, 340))
Y = np.zeros((340, 28))
print(np.dot(X,Y).shape) # successful (3, 201, 28)
tf.matmul(X, Y) # errornous

知道如何使用張量流實現相同的結果嗎？

Answer 1

因為，你正在與tensors ，這將是更好（性能）使用tensordot那里比np.dot 。 NumPy允許它（numpy.dot）通過降低性能來處理tensors ，而tensorflow似乎根本不允許這樣做。

因此，對於NumPy，我們將使用np.tensordot

np.tensordot(X, Y, axes=((2,),(0,)))

對於tensorflow ，它將與tf.tensordot

tf.tensordot(X, Y, axes=((2,),(0,)))

相關文章了解tensordot 。

Answer 2

Tensorflow不允許像numpy一樣乘以不同等級的矩陣。

為了解決這個問題，您可以調整矩陣的形狀。 通過將一個矩陣“堆疊”在另一個矩陣之上，這實質上將矩陣3轉換為矩陣3，然后轉換為矩陣2。

您可以使用以下代碼： tf.reshape(tf.matmul(tf.reshape(Aijk,[i*j,k]),Bkl),[i,j,l])

其中i，j和k是矩陣一的維數，而k和l是矩陣2的維數。

取自這里 。