Tensorflow将3D批次张量与2D权重相乘

我有两个张量，形状如下所示

batch.shape=[？，5，4]

weight.shape=[3,5]

通过将重量乘以批次中的每个元素，我想得到

result.shape=[？，3，4]

实现这一目标最有效的方法是什么？

试试以下方法：

newbatch = tf.transpose(batch,[1,0,2])
newbatch = tf.reshape(newbatch,[5,-1])
result = tf.matmul(weight,newbatch)
result = tf.reshape(result,[3,-1,4])
result = tf.transpose(result, [1,0,2])

tf.einsum("ijk,aj-> iak",batch,weight)

或者更紧凑地说：

newbatch = tf.reshape(tf.transpose(batch,[1,0,2]),[5,-1])
result = tf.transpose(tf.reshape(tf.matmul(weight,newbatch),[3,-1,4]), [1,0,2])

试试这个：

newbatch = tf.transpose(batch,[1,0,2])
newbatch = tf.reshape(newbatch,[5,-1])
result = tf.matmul(weight,newbatch)
result = tf.reshape(result,[3,-1,4])
result = tf.transpose(result, [1,0,2])

tf.einsum("ijk,aj-> iak",batch,weight)

---

任意维张量之间的广义收缩

他为什么要这样做？在3D和2D之间进行矩阵乘法，结果的预期形状应该是匹配的，如果他只需要乘法，那么他就在tf的帮助下进行广播。那么你为什么不这么说？