Tensorflow 如何为keras层编写lambda函数，用于向量矩阵乘法

在点的情况下，它采用点积，数学上定义为：a.b=suma_i*b_i，但如何在keras中为a*b=product a_i*b_i编写lambda函数并将此输入转发到下一层

您可以执行以下操作。基本上，我们做的是一个无10码输入和一个10，20码输入的点积乘法。这将导致无20个大小的输出

import numpy as np
import tensorflow as tf
import tensorflow.keras.backend as K

inp1 = tf.keras.layers.Input(shape=(10,))
inp2 = tf.keras.layers.Input(batch_shape=(10,20))
prod_out = tf.keras.layers.Lambda(lambda x: K.dot(K.prod(x[0],axis=1, keepdims=True), K.prod(x[1],axis=0, keepdims=True)))([inp1, inp2])
model = tf.keras.models.Model([inp1,inp2], prod_out)
model.summary()

---

输入ShapeOne，75，下一层shape75,3和输出层shape3,1，其中最后一层必须计算为H31*w1*H32*w2*H33*w3@karunreddy你想做什么还不清楚。更新您的问题，更清楚地解释预期的输入/输出形状以及h31、w1、h32、w2。。。是。输入shapeOne，75，下一层隐藏层1的形状是75,3，下一层隐藏层2的形状是3,1。对于最后一层，输出必须计算为H21*w1*H22*w2*H23*w3，其中H21、H22、H23将是隐藏层2的结果，w1、w2、w3将是不可训练的恒定权重。那么如何为上述结果编写lambda函数。