Python Tensorflow：三维张量和二维矩阵乘法

当通过密集层传递3D张量时，我看到了以下实现方式：

X = np.random.rand(5,4,3).astype(np.float32)
place = tf.placeholder(shape=[None, None, 3], dtype=tf.float32)
dense = tf.layers.dense(place, 10)

另一方面，我也看到了这一点：

X = np.random.rand(5,4,3).astype(np.float32)
place = tf.placeholder(shape=[None, None, 3], dtype=tf.float32)
place_reshape = tf.reshape(place, [tf.shape(place)[0] * tf.shape(place)[1], 3])
dense = tf.layers.dense(place_reshape, 10)
dense_reshape = tf.reshape(dense, [tf.shape(place)[0], tf.shape(place)[1], 10])

虽然这两种方法本质上应该是相同的，但我不能用第一种和第二种方法得到相同的结果，即使我也设置了两种随机种子（为了可读性，我在代码片段中省略了它们）。如果我遗漏了什么，有人能给我指出正确的方向吗

---

期待你的回答

第一个行不通，因为在

matmul

中，列组必须等于2。你想达到什么目标？是否要播放

matmul

。它工作正常，不会引起错误。2.这两个代码段的输出应该是相同的（在PyTorch中尝试了相同的事情，并且它们是相同的），因此我试图找出它们的不同之处。第一个不起作用，因为在

matmul

中，秩必须等于2。你想达到什么目标？是否要播放

matmul

。它工作正常，不会引起错误。2.这两个代码片段的输出应该是相同的（在PyTorch中尝试了相同的事情，并且它们是相同的），所以我试图找出它们的不同之处。