Python 张量流将三维张量乘以二维矩阵

我试着用2D矩阵乘以3D张量，但是有一个未知的维度。 我检查了所有关于这方面的帖子，但是如果没有我就找不到我想要的

我有以下参数：

T形（M，N）

L形（？，M，M）

F形（？，N）

我想用输出形状（？，M）乘以L*T*F

我试着扩大尺寸等

不幸的是，我总是迷失方向

---

谢谢你的建议。

你可以这样做

L --> [?, M, M]
T --> [M, N]
tensordot(L,T) axes [[2], [0]] --> [?,M, N]
F --> [?, N] --> expand axis --> [?, N, 1]
matmul [?, M, N], [?, N, 1] --> [?, M, 1] --> squeeze --> [?, M]

综合起来：

tf.squeeze(tf.matmul(tf.tensordot(L,T, axes=[[2],[0]]),F[...,None]))

---

作为一名学习者，我发现这个问题和答案相当神秘。所以我自己简化了

import tensorflow as tf

L = tf.placeholder(tf.float32, shape=[None, 5, 5])

T = tf.placeholder(tf.float32, shape=[ 5, 10])

F = tf.placeholder(tf.float32, shape=[ None, 10])

print ((tf.tensordot(L,T, axes=[[2],[0]])).get_shape)

# This is more cryptic. Not really sure.
#print(F[...,None].get_shape) 
print( tf.expand_dims(F,2).get_shape)

finaltensor = tf.matmul(tf.tensordot(L,T, axes=[[2],[0]]),F[...,None])

print (finaltensor.get_shape)

squeezedtensor = tf.squeeze(finaltensor)

print (tf.shape(squeezedtensor))

除了最后一行外，所有打印的内容都是清晰的

<bound method Tensor.get_shape of <tf.Tensor 'Tensordot:0' shape=(?, 5, 10) dtype=float32>>

<bound method Tensor.get_shape of <tf.Tensor 'ExpandDims:0' shape=(?, 10, 1) dtype=float32>>

<bound method Tensor.get_shape of <tf.Tensor 'MatMul:0' shape=(?, 5, 1) dtype=float32>>

Tensor("Shape:0", shape=(?,), dtype=int32)

张量（“形状：0”，形状=（？，），数据类型=int32）