Python 如何将张量乘以矩阵

所以我有一个数组

A

和一个数组

B

和一个数组

A

和一个数组

[32,60]

。第一个维度是批量大小，因此第一个维度是独立的。我想做的是一个简单的向量乘矩阵。因此，对于

A

中的每个样本，我想将shape

[60,60]

的矩阵与shape

[60]

的向量相乘。在批

A

*

B

上相乘应该会得到一个形状数组

[32,60]

这应该很简单，但我做错了：

>>> v = np.matmul(A,B)
ValueError: shapes (32,60,60) and (32,60) not aligned: 60 (dim 2) != 32 (dim 0)

---

这是针对tensorflow的，但如果我能转换符号，一个简单的答案可能就足够了。

似乎您正试图用

矩阵乘法

对两个输入数组中的最后一个轴进行求和减少。因此，使用

np.einsum

，它将是-

np.einsum('ijk,ik->ij',A,B)

np.matmul(A,B[...,None])[...,0]

对于

tensorflow

，我们可以使用

---

使用，我们需要通过在最后一个轴上引入新的轴，将

B

扩展到

3D

。因此，使用

np.matmul

将得到

B的第二个轴

扩展版本

sum减少

，而不是

A的第三个轴

。结果将是

3D

。因此，通过切片或

np.squence

获得最后一个单粒子轴。因此，实施将是必要的-

np.einsum('ijk,ik->ij',A,B)

np.matmul(A,B[...,None])[...,0]

---

我们已经在那里有了一个现有的功能。

tf.einsum就像一个符咒。我不知道艾因森。谢谢