Python 成批处理中张量的行处理

我需要分别得到张量每一行的外积。代码如下所示：

input1=K.占位符（形状=（无，12）） prod=K.map\u fn（someMethod，input1）

someMethod需要执行以下操作：

*def someMethod(x):*
    ## get the outerproduct row-wise of input1 #
    outer=x*x.T
    ## subtract the identity matrix from the outer product #
    diff=outer-np.eye(12) 
    ## and return the trace of the difference matrix #
    trace=np.trace(diff)
    return trace

outer_product = np.matmul(A[:,:,np.newaxis], A[:,np.newaxis,:])

---

我希望跟踪值是标量，但prod是批量大小的输入列表？我正在使用plaidml作为后端，因此，我希望能够使用numpy或keras后端，或者tensorflow。您好，欢迎使用Stack Overflow

对于矩阵A的行外积，使用以下公式：

*def someMethod(x):*
    ## get the outerproduct row-wise of input1 #
    outer=x*x.T
    ## subtract the identity matrix from the outer product #
    diff=outer-np.eye(12) 
    ## and return the trace of the difference matrix #
    trace=np.trace(diff)
    return trace

outer_product = np.matmul(A[:,:,np.newaxis], A[:,np.newaxis,:])

---

以下示例对形状为

[None，None]

（可变批量大小和可变向量维度）的张量

x

执行请求的操作。它已经在Tensorflow 1.13.1和2.0RC中进行了测试（

tf。对于2.0，必须删除占位符）。出于解释目的，注释假定输入形状为
[None，12]

import tensorflow as tf

x = tf.placeholder(tf.float32, shape=[None, None])  # Remove for TF 2.0
# Explicitly perform batch-wise outer product using Einstein summation notation
outer = tf.einsum('bi, bj -> bij', x, x)
outer.shape
# TensorShape([Dimension(None), Dimension(12), Dimension(12)])
diff = outer - tf.eye(tf.shape(x)[1])
trace = tf.linalg.trace(diff)
trace.shape
# TensorShape([Dimension(None)])

如您所见，Tensorflow不需要在输入的批处理维度上映射辅助函数。您可以了解更多关于
tf.einsum
np.matmul给出了错误，但是A[：，：，np.newaxis]*A[：，np.newaxis，：]与tensorflow后端一起工作，但是PlaidML在与None协商索引大小时遇到问题。我正在寻找解决这个问题的ML实现，因为tensorflow的执行速度非常慢，而且我没有Nvidia gpu。你能在Colab上共享你的代码，这样我们就可以一起观察问题了吗？好的。斜体粗体我希望代码与plaidml后端一起工作。我不知怎的让它为tensorflow工作我请求你的许可。