Python 如何定义Kronecker产品层的2个keras形状层（无，4096）？

假设有两个不同/独立的keras层，

encoder_1和encoder_2

，两者的输出形状均为

（无，4096）

。 现在如何定义keras multiply layer，它将

（None，40964096）

作为输出形状。 这和克罗内克的产品一样吗？

---

如果不是相同的请说明如何实现2层的Kronecker产品命名，编码器\u 1和编码器\u 2？

因此，在插入长度为1的尺寸后，您应该能够简单地使用Keras的层或方法来实现这一点：

将tensorflow导入为tf
从tensorflow.keras.layers导入点
编码器_1=tf。展开_dims（编码器_1，轴=2）
编码器_2=tf。展开_dims（编码器_2，轴=1）
外部=点（[encoder_1，encoder_2]，轴=（2，1））

---

外部

应该是形状张量

（None，4096，4096）

第一个维度是批次维度吗？在这种情况下，这只是两个长度为4096的向量的外积，是吗？是的，这是正确的。第一个维度是batch，它是None。编码器e_1和e_2在技术上是4096长度的1D阵列，是平坦层的输出。因此，将两个维数为（None，4096）的输入与b/w相乘将得到（None，4096，4096）的输出“无”表示批次。顺便说一下，它的名称是双线性张量积，不是kronecker积谢谢，它成功了。不过我有一个问题。这是双线性张量积，编码器_1吗⊗ 编码器2？如果没有，那么如何实现Keras层来执行双线性张量积？这是在批次维度上广播的两个向量之间的外积。外积是向量张量积的特例。