Keras的tensorflow后端复矩阵乘法

设矩阵

F1

的形状为

（a*h*w*m）

，矩阵

F2

的形状为

（a*h*w*n）

，矩阵

G

的形状为

（a*m*n）

我想使用Keras的tensorflow后端实现以下公式，该公式根据

F1

和

F2

的因子计算

G

的每个因子。然而，我对各种后端函数感到困惑，尤其是

K.dot（）

和

K.batch\u dot（）

$$G{k，i，j}=\sum^h{s=1}\sum^w{t=1}\dfrac{F^1{k，s，t，i}*F^2{k，s，t，j}{h*w}$$i

（通过在$$内复制上述等式并将其粘贴到中获得的图像）

有没有办法实现上述公式？提前感谢。

使用Tensorflow（您可以将其包装在Keras的

Lambda

层中）：

将tensorflow导入为tf
将numpy作为np导入
a、 h，w，m，n=1，2，3，4，5
F1=tf.随机均匀（形状=（a，h，w，m））
F2=tf.随机均匀（形状=（a，h，w，n））
G=tf.einsum（'ahwm，ahwn->amn'，F1，F2）/（h*w）
使用tf.Session（）作为sess：
f1，f2，g=sess.run（[f1，f2，g]）
#手动计算G以检查我们的操作，天真地再现您的方程式：
g_check=np.zero（形状=（a，m，n））
对于范围（a）内的k：
对于范围内的i（m）：
对于范围（n）内的j：
对于范围（h）内的s：
对于范围（w）内的t：
g_check[k，i，j]+=f1[k，s，t，i]*f2[k，s，t，j]/（h*w）
#检查是否相等：
打印（np.ALLCOSE（g，g_检查））
#>正确

太棒了！非常感谢。