Matrix 如何在Keras中实现矩阵乘法？

我只想实现一个函数，给定一个矩阵X，它返回X的协方差矩阵（X^T*X），这只是一个简单的矩阵乘法

在Tensorflow中很容易：tf.matmul（X，tf.transpose（X））

但我没想到这对凯拉斯来说是一场噩梦。Keras中的api如multiply和dot不符合我的要求。我也尝试了不同的方法（Lambda层和混合TF操作），但仍然失败，出现了很多错误

---

希望有人能帮忙。谢谢。

您必须有一个层，层内进行计算

import keras.backend as K
from keras.layers import Lambda
from keras.models import Model

inp = Input((your input shape))
previousLayerOutput = SomeLayerBeforeTheCovariance(blabla)(inp)    

covar = Lambda(lambda x: K.dot(K.transpose(x),x), 
    output_shape = (your known shape of x))(previousLayerOutput)

nextOut = SomeOtherLayerAfterThat(blablabla)(covar)
lastOut = AnotherLayer(bahblanba)(nextOut)

model = Model(inp, lastOut)

---

可以使用keras.layers.merge.Multiply（）

它接受一个形状相同的张量列表作为输入，并返回一个张量（形状也相同）

---

干杯A.

事实上，你在Keras中也有类似的例子。尝试

点（x，转置（x））

下面是一个比较两个平台的工作示例

将keras.backend导入为K
将numpy作为np导入
导入tensorflow作为tf
def cov_tf（x_val）：
x=tf.常数（x_val）
cov=tf.matmul（x，tf.transpose（x））
返回cov.eval（session=tf.session（））
def cov_keras（x_val）：
x=K.常数（x_val）
cov=K.dot（x，K.transpose（x））
返回cov.eval（session=tf.session（））
如果uuuu name uuuuuu='\uuuuuuu main\uuuuuuu'：
x=np.random.rand（4,5）
delta=np.abs（cov_tf（x）-cov_keras（x））.max（）
打印（'最大绝对差值：'，增量）

---

最大绝对差是打印出来的，给了我一些关于

1e-7

的信息，这是元素乘法，而不是矩阵乘法。我认为keras.layers.Dot（）做点积/矩阵乘法谢谢这个答案。仍然不喜欢使用Lambda，但您绝对正确--->“您必须有一个层”才能使您的输出在模型中有用。是的，但您建议的解决方案不会保存到文件中，即您将无法使用keras.model.save序列化模型。虽然keras.Model.save_如果不需要保存整个模型，权重可能会起作用。使用keras.layers.dot，而不是使用后端产品制作lamda层。它确实可以保存和加载。但是今天我推荐

tf.matmul

，它的工作原理更容易理解。如果目标是将矩阵产品作为模型的一个层来执行，那么您不应该使用后端。keras.backend只会将操作引用到后端框架，这会在保存模型时导致问题。相反，您应该使用keras.layers.dot，它专门用于在模型层中执行张量积。嗨，@grovina，我是TensorFlow的新手。我对上面的后端设置很好奇。您已经显式导入了TensorFlow。那么为什么你需要同时

将keras.backend导入为K

。你也许可以在TF中用Keras的方式来做。