Python 从Tensorflow中的tf.matmul（tf.transpose（A），A）中获取对角线元素

我有一个矩阵

a

，有几列，我需要计算自点积，即

tf.matmul（a[：，I]），a[：，I]，transpose_a=True）

其中

I

索引

a

的列。一种方法是只计算

tf.matmul（A，A，transpose_A=True）

并提取对角线，但这涉及大量多余的乘法（所有非对角线结果都被丢弃，非对角线结果是任何大于2 x 2的矩阵的大部分结果）。另一种方法是做类似的事情

out = []
for i in range(tf.shape(A)[1]):
    out.append(tf.matmul((A[:,i],A[:,i],transpose_a=True))

---

然后将

out

收集到

tf.Tensor

中。但这似乎是一个相当常见的计算，因此我希望它存在一个函数（即计算权重向量的平方范数）。

您可以将矩阵本身元素相乘，然后沿轴0求和

import tensorflow as tf
tf.InteractiveSession()

A = tf.reshape(tf.range(12), (3, 4))
tf.reduce_sum(tf.pow(A, 2), axis=0).eval()

返回

array([ 80, 107, 140, 179], dtype=int32)

---

只要一点线性代数，你就有了你的解决方案：

这意味着您需要执行：

tf.reduce\u sum（tf.square（A），axis=0）