Python 将结果与tensorflow'混淆；s tensordot

在使用tensorflow的

tf.tensordot

时，我遇到了一些奇怪的结果。运行以下代码块

import tensorflow as tf
import numpy as np
a = np.arange(6, dtype=np.int32).reshape(3,2)
b = np.arange(1,7, dtype=np.int32).reshape(2,3)
sess = tf.Session()
print(sess.run(tf.tensordot(a, b, [[0,1],[0,1]])))
print(sess.run(tf.tensordot(a, b, [[0,1],[1,0]])))
print(sess.run(tf.tensordot(a, b, [[1,0],[0,1]])))
print(sess.run(tf.tensordot(a, b, [[1,0],[1,0]])))

产生

70
65
65
60

---

我不知道这里发生了什么收缩。另一件有趣的事情是，尝试使用numpy的tensordot执行此操作将返回几个尝试的轴的错误。

您在tensorflow中发现了一个错误

根据

tf.tensordot

的文档

对于

范围（0，len（a\u轴））

中的所有

i

轴

a\u轴[i]

必须与

b
的轴
b\u轴[i]
具有相同的尺寸

例如，
tf.tensordot（a，b，[[0,1]，[0,1]]）
应该返回一个错误，因为
a
是
3x2
而
b
是
2x3
。但事实并非如此——这就是问题所在

相反，它继续进行，好像张量是相容的。如果
a
和
b
是兼容的，那么
tf.tensordot（a，b，[[0,1]，[0,1]]）
将是一个简单的点积。
tf.tensordot
在内部所做的是，它基本上将
a
和
b
展平，并计算点积

在您的例子中，
a
和
b
具有相同数量的元素，因此点积的计算成功，尽管它们具有不兼容的形状

你可以向TF团队提交一个bug