两个4D mat mul numpy，预计输出5D

我想用3个过滤器将注意力权重（5个标签）应用到我的卷积中，有谁能帮助我如何应用matmul。如果您也提供tensorflow版本，我们将不胜感激

import numpy as np
conv = np.random.randint(10,size=[1,3,2,2], dtype=int) # [batches,filter,row,col]
attention = np.random.randint(5,size=[1,5,2,1], dtype=int) # [batches,label,row,col]
np.matmul(conv,attention).shape # expected output size [1,3,5,2,1] [batches,filter,label,row,col]

根据以下文件：

如果任一参数为N-D，N>2，则将其视为驻留在最后两个索引中的矩阵堆栈，并相应地进行广播

及

矩阵堆栈一起广播，就像矩阵是元素一样

这意味着在您的情况下，除了最后两个维度外，所有维度都需要匹配。如果希望输出形状为

1、3、5、2、1

，则需要在每个数组中显式插入一个空轴。您可以在创建时执行此操作：

import numpy as np conv = np.random.randint(10, size=[1, 3, 1, 2, 2], dtype=int) attention = np.random.randint(5, size=[1, 1, 5,2,1], dtype=int) np.matmul(conv,attention).shape 根据以下文件：

如果任一参数为N-D，N>2，则将其视为驻留在最后两个索引中的矩阵堆栈，并相应地进行广播

及

矩阵堆栈一起广播，就像矩阵是元素一样

这意味着在您的情况下，除了最后两个维度外，所有维度都需要匹配。如果希望输出形状为

1、3、5、2、1

，则需要在每个数组中显式插入一个空轴。您可以在创建时执行此操作：

import numpy as np conv = np.random.randint(10, size=[1, 3, 1, 2, 2], dtype=int) attention = np.random.randint(5, size=[1, 1, 5,2,1], dtype=int) np.matmul(conv,attention).shape

---

谢谢，如果可能的话，你能给我更多的选项，比如np.tensordot和np.einsum吗？因为我需要处理更多的过滤器和标签。@user1531248。这将留给读者作为练习。

tensordot

不能很好地控制非求和维度。谢谢，如果可能的话，您可以提供更多选项，如np.tensordot和np.einsum，因为我必须处理更多的过滤器和标签。@user1531248。这将留给读者作为练习。

tensordot

不能很好地控制非求和维度。

dot

和

matmul

通常涉及一对轴上的求和。从所需的形状看，不清楚是否发生了这种情况。你可以通过广播的元素乘法得到这个形状，而不需要任何求和。

dot

和

matmul

通常需要在一对轴上求和。从所需的形状看，不清楚是否发生了这种情况。你可以通过广播的元素乘法得到这个形状，而不需要求和。

np.matmul(conv[:, :, np.newaxis, ...], attention[:, np.newaxis, ...]).shape