Python 3-dim x 2-dim上的tensordot

我有形状为

的
张量A
（批量大小，x\u 1，x\u 2）

和形状为

的
张量B
（x\u 2，x\u 3）

。我想将

张量A

的每个元素与

张量B

进行点乘。不使用tensordot的示例如下：

product_tensor = np.zeros((batch_size, x_1, x_3))
for i in range(batch_size):
    product_tensor[i] = np.dot(tensor_A[i], tensor_B)

我很难弄清楚

轴

参数的参数应该是什么。根据我所读的，

axes=1

表示点积，但我无法判断它是将A的前两个轴与B相乘，还是将A的最后两个轴与B相乘

我尝试了

tf.tensordot（tensor_A，tensor_B[None，：，：，：，：]，axes=1）

，但没有成功，因为它似乎将

tensor_A

重塑为形状

（batch_size*x_1，x_2）

和

tensor B

重塑为形状

（1，x_2*x_3

---

非常感谢您的帮助！

这将为您提供所需的结果：

import numpy  as np

a = np.array([
    [[1, 2, 3], [4, 5, 6]],
    [[1, 2, 3], [4, 5, 6]],
    [[1, 2, 3], [4, 5, 6]],
    [[1, 2, 3], [4, 5, 6]],
    [[1, 2, 3], [4, 5, 6]],
    [[1, 2, 3], [4, 5, 6]],
])
b = np.array([[1,2,3,4], [5,6,7,8], [9,10,11,12]])
print('a.shape = ', a.shape)
print('b.shape = ', b.shape)


# tensordot
c_tensordot = np.tensordot(a, b, axes=(1))

# loop method with dot
c_loop = np.empty([a.shape[0], a.shape[1], b.shape[1]])
for i in range(0,a.shape[0]):
    c_loop[i] = np.dot(a[i], b)


print('c_tensordot = ', c_tensordot)
print('c_loop      = ', c_loop)

print('c_tensordot.shape = ', c_tensordot.shape)
print('c_loop.shape      = ', c_loop.shape)

print('\nAre arrays equal: ', np.array_equal(c_tensordot, c_loop))

---

matmul/@

能够很好地处理批处理。

A@B

np.einsum

还可以很好地控制轴组合。