Python tensorflow：将矩阵中的某些行与另一个矩阵中的某些列相乘

假设我有一个矩阵

a

和一个矩阵

B

。我知道，matmul（A，B）可以计算两个矩阵的乘法。但是我有一个任务，只需要将

a

的某些行与

B

的某些列相乘

例如，我有一个

a

，

Ls_a=[0,1,2]

行ID列表，还有一个

B

，

Ls_B=[4,2,6]

列ID列表。我想要的结果是一个列表，表示为

Ls

，例如：

Ls[0] = A[0,:] * B[:,4]
Ls[1] = A[1,:] * B[:,2]
Ls[2] = A[2,:] * B[:,6]

我怎样才能做到这一点

谢谢大家帮助我

您可以按如下方式进行操作：

import tensorflow as tf
a=tf.constant([[1,2,3],[4,5,6],[7,8,9]])
b=tf.constant([[1,0,1],[1,0,2],[3,3,-1]])

#taking rows 0,1 from a, and columns 0,2 from b
ind_a=tf.constant([0,1])
ind_b=tf.constant([0,2])

r_a=tf.gather(a,ind_a)

#tf.gather access the rows, so we use it together with tf.transpose to access the columns
r_b=tf.transpose(tf.gather(tf.transpose(b),ind_b))

# the diagonal elements of the multiplication
res=tf.diag_part(tf.matmul(r_a,r_b))
sess=tf.InteractiveSession()
print(r_a.eval())
print(r_b.eval())
print(res.eval())

这张照片

#r_a
[[1 2 3]
 [4 5 6]]

#r_b
[[ 1  1]
 [ 1  2]
 [ 3 -1]]

#result
[12  8]

---

谢谢。这与我的预期非常接近。唯一的区别是，在您的示例中，我需要a[0]*b[0]和a[1]*b[2]。也就是说，我只需要结果的对角线。但考虑到你的解决方案，我认为很容易实现我的目标。我只需要执行tf.multiply（r_a，tf.transpose（r_b）），然后沿轴1执行reduce_和。是吗？我错过了你只想要对角线的部分。你可以用tf.diag_部分来做这个。查看我的更新解决方案。