在Keras自定义层中乘以3矩阵

我想创建一个自定义Keras层，用于计算2个输入矩阵和1个权重矩阵（对角矩阵）之间的乘积：x W y

我想要用形状（？，8，10）计算xWy的输出矩阵

我尝试：

K.dot(x*W, K.transpose(Y)) # Raise Dimension error
K.dot(x*W, Permute(2,1))(Y)) # (?, 8, ?, 10)

---

没有第一个维度（批量大小），我知道如何做，但有了它，我有点不知所措。

您可以指定在Keras点层中获取点积的轴。以下代码显示了如何将输入相乘

x

和

y

。如果要添加权重矩阵

W

，可以采用类似的方法（首先乘以

x

和

W

）

---

您可以使用

K.batch\u dot

，它就是为此而设计的

 K.batch_dot(x*W, K.permute_dimensions(y, (0,2,1)), axes=[2, 1]) # (?, 8, 10)

---

你写的W是一个对角矩阵。W的形状不是吗？然后，我想用一个对角矩阵W（200200），权重只在对角线上，其余的在0，不可训练，但最简单的方法是使用向量W（200），然后做x*W（8200）。这正是我想要的。。。。我在医生里漏掉了。非常感谢。

x = Input((8,200)) # (?,8,200)
y = Input((10,200)) # (?,10,200)
output = keras.layers.Dot(axes=-1)([x, y]) # (?,8,10)

 K.batch_dot(x*W, K.permute_dimensions(y, (0,2,1)), axes=[2, 1]) # (?, 8, 10)