Python 两个三维张量的元素乘积矢量化

有没有办法将下面的代码矢量化，这样我就可以完全删除循环

x = tf.constant([[[1,2,3],[2,3,4]],[[1,2,3],[2,3,5]]])
t=tf.eye(x.shape[1])[:,:,None]
for i in range(x.shape[0]):
    out = tf.multiply(t,x[i].numpy())
    out=tf.reshape(out, shape=(out.shape[0], out.shape[-1]*out.shape[-2]))
    print(out)

简言之：如何将三维张量乘以三维张量的每个元素？ 在我的例子中：三维张量是：

tf.Tensor(
[[[1.]
  [0.]]

 [[0.]
  [1.]]], shape=(2, 2, 1), dtype=float32)

及

预期输出：以下2个张量与形状2*2*6合并在一起

tf.Tensor(
[[1. 2. 3. 0. 0. 0.]
 [0. 0. 0. 2. 3. 4.]], shape=(2, 6), dtype=float32)
tf.Tensor(
[[1. 2. 3. 0. 0. 0.]
 [0. 0. 0. 2. 3. 5.]], shape=(2, 6), dtype=float32)

---

以下是如何获得该结果：

将tensorflow导入为tf
x=tf.常数（[[1,2,3]，[2,3,4]]，
[[1,2,3]，[2,3,5]]，dtype=tf.float32）
t=tf.eye（tf.shape（x）[1]，dtype=x.dtype）
#将一个维度添加到x，将一个维度添加到t
xt=tf.展开尺寸（x，1）*tf.展开尺寸（t，2）
#重塑
结果=tf.重塑（xt，（tf.形状（x）[0]，tf.形状（x）[1]，-1））
打印（result.numpy（））
# [[[1. 2. 3. 0. 0. 0.]
#   [0. 0. 0. 2. 3. 4.]]
#
#  [[1. 2. 3. 0. 0. 0.]
#   [0. 0. 0. 2. 3. 5.]]]

以下是获得该结果的方法：

将tensorflow导入为tf
x=tf.常数（[[1,2,3]，[2,3,4]]，
[[1,2,3]，[2,3,5]]，dtype=tf.float32）
t=tf.eye（tf.shape（x）[1]，dtype=x.dtype）
#将一个维度添加到x，将一个维度添加到t
xt=tf.展开尺寸（x，1）*tf.展开尺寸（t，2）
#重塑
结果=tf.重塑（xt，（tf.形状（x）[0]，tf.形状（x）[1]，-1））
打印（result.numpy（））
# [[[1. 2. 3. 0. 0. 0.]
#   [0. 0. 0. 2. 3. 4.]]
#
#  [[1. 2. 3. 0. 0. 0.]
#   [0. 0. 0. 2. 3. 5.]]]

sol。看起来似乎有道理，但有一个陷阱。当我们在自定义层（如

sequence\u length

或

batch\u size

）中使用形状时，Keras/tf会引发编译时错误。具体地说，执行x.shape[0]要求的批量大小是

None

（其动态批量大小）。所以编译器产生了错误。@chandresh我在解决方案中使用了

tf.shape（x）[0]

，而不是

x.shape[0]

，不是吗？

tf.shape（x）[0]

将尝试获取

批量大小
。不管怎样，我为第一个参数（
batch\u size
）提供了
-1
，并将其他参数作为参数传递，它正在工作。谢谢，索尔。看起来似乎有道理，但有一个陷阱。当我们在自定义层（如
sequence\u length
或
batch\u size
）中使用形状时，Keras/tf会引发编译时错误。具体地说，执行x.shape[0]要求的批量大小是
None
（其动态批量大小）。所以编译器产生了错误。@chandresh我在解决方案中使用了
tf.shape（x）[0]
，而不是
x.shape[0]
，不是吗？
tf.shape（x）[0]
将尝试获取
批量大小
。不管怎样，我为第一个参数（
batch\u size
）提供了
-1
，并将其他参数作为参数传递，它正在工作。谢谢
tf.Tensor(
[[1. 2. 3. 0. 0. 0.]
 [0. 0. 0. 2. 3. 4.]], shape=(2, 6), dtype=float32)
tf.Tensor(
[[1. 2. 3. 0. 0. 0.]
 [0. 0. 0. 2. 3. 5.]], shape=(2, 6), dtype=float32)