Python tensorflow：当张量'；谁的第一个暗淡是无？

我有一个张量，它的形状是

None，10

。我想得到一个外积结果，其形状是

None，100

或

None，10,10

。这是我的密码：

# output'shape is None,10
output = tf.keras.layers.Concatenate()(encoded_feature_list)
# wrong
cross_output = tf.keras.layers.Lambda(lambda x:tf.linalg.matmul(x,x,transpose_a=True))(output)
cross_output = tf.keras.layers.Flatten()(cross_output)

已经答复：

根据报告：

此外，通过轴=0支持外部产品

测试如下：

a=np.数组（[1,2,3,4,5,6,7,8,9,10.0]）
tf.tensordot（a，a，轴=0）
#得到

我提供的答案确实有答案，但不是即时答案

鉴于您在对@Meow Cat 2012的评论中给出的示例：

import tensorflow as tf
import numpy as np

a = np.array([[1,2,3.0],[4,5,6.0]]
res = tf.einsum('ki,kj->kij',a,a)
print(res.shape)  # TensorShape([2, 3, 3])

函数将计算两个张量的外积

另一个解决方案是（@DachuanZhao指出）：

---

这回答了你的问题吗@大卫：不，不是。它的第一个dim不是

None

…这是coeerct dim=1，但是当dim=2时会得到错误的结果。当

a=np.array（[[1,2,3.0]，[4,5,6.0]）

，

tf.tensordot（a，a，axes=0）

得到形状

（2,3,3）

，而不是

（2,3,3）或
（2,9）
是的，我找到了另一个解决方案：
（tf.expand_-dims（a，axis=-1），tf.expand_-dims（a，axis=1））
@DachuanZhao很酷，很高兴你成功了。我会将此解决方案添加到我的答案中，以供未来用户使用
import tensorflow as tf
import numpy as np
    
a = np.array([[1,2,3.0],[4,5,6.0]]
res = tf.linalg.matmul(tf.expand_dims(a, axis=-1),tf.expand_dims(a, axis=1))
print(res.shape)  # (2, 3, 3)