Tensorflow 2.0中的4D张量乘法

我有两个张量：

带形状的A:[128,24,24256]

带形状的B:[128,24,24,64]

我想把它们加在一起，但是维数是不同的，所以通过类比2D矩阵，我想把张量B和其他张量C相乘，这样张量积B*C将有维数[128,24,24256]

如何在tensorflow中实现这一点？

---

哪个维度应该是C张量？

这取决于你想做什么。我可以想出两种方法

选择1 除后两个维度外，所有其他维度都与

a

和

b

完全相同。可以将n-d维矩阵乘法视为在最后两个维上进行矩阵乘法，并按原样为其余维添加前缀

a = tf.random.normal(shape=[128,24,24,256])
b = tf.random.normal(shape=[128,24,24,64])
c = tf.random.normal(shape=[128,24,64,256])

# Essentially performing a [24, 64] . [64, 256]
# This is dot product
bc = tf.matmul(b,c)

# Res would be of size `128,24,24,256`
# This is element-wise
res = a * bc

选择2 您还可以通过将除最后两个维度之外的其他维度保持为1来利用广播功能。前两个维度中的任何一个（或全部）都可以是1，其余的由TensorFlow负责

a = tf.random.normal(shape=[128,24,24,256])
b = tf.random.normal(shape=[128,24,24,64])
# Note how the beginning dimensions are 1
c = tf.random.normal(shape=[1,1,64,256])

bc = tf.matmul(b,c)

res = a * bc

---

但是正如我前面所说的，

c

的大小实际上取决于您的用例。没有正确的普遍答案。

那么，你的问题是，C的维数应该是多少？那么如何在tensorflow中实现呢？@thushv89两者都有！哪个维度应该是C，以及如何在tensorflow中对其进行编码。谢谢你的评论，我已经更新了我的问题谢谢你的回答！我的目标是从头开始构建Resnet。这就是为什么需要矩阵。