Matrix 张量流元素矩阵乘法

假设我在tensorflow中有两个张量，第一个维度表示一批训练示例的索引，其他维度表示数据矩阵的一些向量。乙二醇

vector_batch = tf.ones([64, 50])
matrix_batch = tf.ones([64, 50, 50])

我很好奇，对于每一对向量，在第一维度上共享索引的矩阵，执行向量*矩阵乘法的最惯用方法是什么

也就是最惯用的写作方式：

result = tf.empty([64,50])
for i in range(64):
    result[i,:] = tf.matmul(vector_batch[i,:], matrix_batch[i,:,:])

---

组织输入向量形状以使该过程尽可能简单/干净的最佳方法是什么？

最惯用的方法可能是使用运算符（与and结合使用）：

---

似乎tf.matmul已经支持这种类型的“nd”操作：

Hmm

tf.batch\u matmul

在tf 1中不存在-等效代码是什么？普通matmul？

vector_batch = tf.placeholder(tf.float32, shape=[64, 50])
matrix_batch = tf.placeholder(tf.float32, shape=[64, 50, 50])

vector_batch_as_matrices = tf.expand_dims(vector_batch, 1)
# vector_batch_as_matrices.get_shape() ==> [64, 1, 50]

result = tf.batch_matmul(vector_batch_as_matrices, matrix_batch)
# result.get_shape() ==> [64, 1, 50]

result = tf.squeeze(result, [1])
# result.get_shape() ==> [64, 50]