Python 如何在tensorflow中按元素将张量的每一行与其余行相乘

我有一个像这样的张量：

tf_docs = tf.constant([[0, 2, 1],
                       [1, 2, 2],
                       [2, 1, 3],
                       [5, 2, 2]], dtype=tf.int32)

我需要将每一行乘以其余的行，按元素计算，然后将结果相加

当第一行完成时，我们将处理第二行和其他行，并且

结果是这样的：它将是

4*4

，因为我们有4行

result_tf =[[0,  6,  5, 6 ],
            [6,  0, 10, 13],
            [5, 10,  3, 18],
            [6,  13, 18, 0]]

让我解释一下

结果中的每个元素（矩阵是对称的）

第一行：

0*1 + 2*2 + 1*2 = 6
0*2 + 2*1 + 1*3 = 5
0*5 + 2*2 + 1*2 = 6

第二排：

1*2 + 2*1 + 2*3 = 10
1*5 + 2*2 + 2*2 = 13

第三排：

2*5 + 1*2 + 3*2 = 18

这就是我如何形成矩阵的上边

则diag中的值为：

（0,0）
在任何列中都没有
同时出现
，因此
0

（1,1）
在任何列中都没有
同时发生
，因此
0

（2,2）
在第二列中出现了2次
co，在第三列中出现了1次
so
3

（3,3）
未同时出现在任何列中，因此
0

我觉得这需要更多的创造力来解决，而不是了解技术。（如果你知道共现的概念，我在计算同一矩阵上的共现）

我所做的：

我可以使用for循环轻松地完成这项工作。但我需要使用tensorflow操作来完成。我找不到任何类似的问题。
我也在考虑每次使用“聚集”获取指定的行并对其进行聚集。但这种方法不是动态的，而且我的行和列都大于此值，因此此解决方案不可行。
以下是一种方法：

将tensorflow导入为tf
tf_docs=tf.常数（[[0,2,1]，
[1, 2, 2],
[2, 1, 3],
[5,2,2]]，dtype=tf.int32）
#非对角元素
nondiag=tf.matmul（tf_docs，tf_docs，transpose_b=True）
#计算对角线
r=tf.range（tf.shape（tf\u docs，out\u type=tf\u docs.dtype）[0]）
#将每个索引与每个值进行比较
cmp=tf.equal（tf.expand_dims（tf_docs，轴=-1），r）
#计算每列中每个索引的出现次数
count=tf.math.count\u非零（cmp，axis=0，dtype=tf\u docs.dtype）
#一次以上的总出现次数
diag=tf.减少总和（tf.最大值（计数-1，0），轴=0）
#设置对角元素
结果=tf.linalg.set诊断（非诊断，诊断）
打印（结果\u tf.numpy（））
# [[ 0  6  5  6]
#  [ 6  0 10 13]
#  [ 5 10  3 18]
#  [ 6 13 18  0]]
非常感谢您的帮助，您真是太棒了。非常感谢您耐心地回答我的问题。我通常会复习答案，以便下次能够自己解决问题。我仍然没有掌握tensorflow的技能。我理解您的解决方案（除了您如何提出
cmp
部分）但当出现新问题时，我无法解决：|我认为这可能需要时间和更多的练习：），我几乎就要完成这个项目了：）@sarii很高兴它有帮助。
cmp
张量是一个三维张量，使得
cmp[i，j，k]
为
True
如果
tfu-docs[i，j]
为
k
则为
False
。这是一个全面的比较，这不是超级有效的，但希望它可以为你工作。我相信你每天都会在TF的帮助下变得更好，我感谢你的努力，让问题变得非常清楚，这些问题对于任何人来说都是困难的，无论是否有经验。如果需要，请不要犹豫，继续问下去，这就是问题的关键。你介意看看我的问题吗。有人已经回答了，答案有点正确，但形状不正确。再次感谢：）