Python 为什么tf.matmul（a，b，transpose_b=True）有效，而tf.matmul（a，tf.transpose（b））无效？

代码：

---

我想知道

y

在

tf.matmul（x，y，transpose_b=True）

中变成了什么形状，这样我就可以专注地了解LSTM中到底发生了什么

对于秩>2的张量，转置可以有不同的定义，这里的区别在于由

tf.Transpose

和

tf.matmul（…，Transpose\u b=True）

转置的轴

默认情况下，是否执行以下操作：

返回的张量维度

i

将对应于输入维度

perm[i]

。如果未给出perm，则将其设置为

（n-1…0）

，其中n是输入张量的秩。因此，默认情况下，此操作对二维输入张量执行常规矩阵转置

因此，在您的例子中，它将把

y

转换为形状的张量

（4,21,3）

，它与

x

（见下文）不兼容

但如果设置

perm=[0,2,1]

，则结果是兼容的：

---

关于

tf.matmul

您可以计算点积：

（a，b，c）*（a，c，d）->（a，b，d）

。但它不是张量点积——它是一个批处理操作（请参阅）

在这种情况下，

a

被视为批量大小，因此

tf.matmul

计算

a

矩阵的点积

（b，c）*（c，d）

批次可以是多个维度，因此这也是有效的：

# Works! (3, 2, 4) * (3, 4, 21) -> (3, 2, 21).
tf.matmul(x, tf.transpose(y, [0, 2, 1]))

# Works! (3, 2, 4) * (3, 4, 21) -> (3, 2, 21).
tf.matmul(x, tf.transpose(y, [0, 2, 1]))

(a, b, c, d) * (a, b, d, e) -> (a, b, c, e)