Tensorflow 如何有效地处理整批张量？

我想处理两批：a和b以及产品c。批量大小为1000。 每个元素ci都是ai和bi的契约结果。合同操作由我自己定义。

---

但我不确定这是否是一种有效的方法？有什么简单的方法吗？谢谢。

我认为您想要实现的目标只需：

将tensorflow导入为tf
使用tf.variable_scope（“实验”）：
a=tf.get_变量（'a'，[1000,24,128]，dtype=tf.float32，
初始值设定项=tf.随机\正常\初始值设定项（stddev=0.1））
b=tf.get_变量（'b'，[1000,15,128]，dtype=tf.float32，
初始值设定项=tf.随机\正常\初始值设定项（stddev=0.1））
c=tf.matmul（a，tf.transpose（b，（0，2，1）））
#由于Python3.5，您还可以
#c=a@tf.转置（b，（0,2,1））
印刷品（c.shape）
#张量形状（[尺寸（1000）、尺寸（24）、尺寸（15）]）
#测试并计算值
init=tf.global_variables_initializer（）
使用tf.Session（）作为sess：
sess.run（初始化）
c_值=sess.run（c）
打印（c_值.形状）
# (1000, 24, 15)
contract\u fun
只是
aii
和
bii
转置的矩阵积吗？
with tf.Session() as sess:
    with tf.variable_scope('experiment'):
        a = tf.get_variable('a', [1000,24,128], dtype=tf.float32, initializer=tf.random_normal_initializer(stddev=0.1) )
        b = tf.get_variable('b', [1000,15,128], dtype=tf.float32, initializer=tf.random_normal_initializer(stddev=0.1) )
        c = tf.get_variable('c', [1000,24,15], dtype=tf.float32,  initializer=tf.random_normal_initializer(stddev=0.1))
        for i in range(1000):
            ai = tf.slice(a,[i,0,0],[1,-1,-1]) # (1,24,128)
            bi = tf.slice(b,[i,0,0],[1,-1,-1]) # (1,15,128)
            aii = tf.reshape(ai, [ int(ai.get_shape()[1]), int(ai.get_shape()[2])] ) # (24, 128)
            bii = tf.reshape(bi, [ int(bi.get_shape()[1]), int(bi.get_shape()[2])] ) # (15, 128)
            ci = contract_func(aii,bii) # (24,15)
            c[i] = ci