Python Keras中张量元素的有效乘法

我有一个Keras中的张量，形状如下

x = (None, 14, 14, 32)

这是我的网络中卷积层的权重

我需要将张量的元素相乘，即自乘，然后将所有值相加

让我们考虑一个更简单的例子，如果我有以下张量

x = Tensor([1,2,3],[4,5,6])

然后我需要计算x*x，输出应该是

1*4 + 1*5 + 1*6 + 2*4 + 2*5 + 2*6 + 3*4 + 3*5 + 3*6

作为一个幼稚的实现，我尝试了以下方法

        flattened_unpacked = tf.unstack(tf.reshape(tf.gather(x,0), [-1]))
        list1 = []
        list2 = []
        for elem in flattened_unpacked:
            list1.append(elem)
            list2.append(elem)       
        res = [i * j for j in list1 for i in list2]  
        sum_res = sum(res)

---

但它很快就在Google Colab上耗尽了内存。是否有一种有效的方法来执行此乘法？

您可以使用

broadcast\u to

使数组大小与矩阵乘法兼容。请参阅文档

看看给出的示例，您正试图对这两个矩阵进行矩阵乘法。
矩阵1：形状3x3

array([[1, 1, 1],
       [2, 2, 2],
       [3, 3, 3]])

矩阵2：形状3x1

array([[4],
       [5],
       [6]])

并计算得到的3x1矩阵的和

这可以通过以下方式实现：
步骤1：矩阵乘法：

x = tf.matmul(tf.broadcast_to(tf.constant([[1], [2], [3]]), shape = (3,3)), tf.constant([[4], [5], [6]]))

array([[15],
       [30],
       [45]])

90

输出：

x = tf.matmul(tf.broadcast_to(tf.constant([[1], [2], [3]]), shape = (3,3)), tf.constant([[4], [5], [6]]))

array([[15],
       [30],
       [45]])

90

步骤2：添加元素

tf.reduce_sum(x)

输出：

x = tf.matmul(tf.broadcast_to(tf.constant([[1], [2], [3]]), shape = (3,3)), tf.constant([[4], [5], [6]]))

array([[15],
       [30],
       [45]])

90