python - 广播 np.dot vs tf.matmul 以进行张量矩阵乘法(形状必须为 2 阶但为 3 阶错误)

Question

假设我有以下张量:

X = np.zeros((3,201, 340))
Y = np.zeros((340, 28))

使用 numpy 成功生成 X、Y 的点积，并生成形状为 (3, 201, 28) 的张量。但是，对于 tensorflow，我收到以下错误:Shape must be rank 2 but is rank 3 error ...

最小代码示例:

X = np.zeros((3,201, 340))
Y = np.zeros((340, 28))
print(np.dot(X,Y).shape) # successful (3, 201, 28)
tf.matmul(X, Y) # errornous

知道如何使用 tensorflow 实现相同的结果吗？

Answer 1

由于您使用的是 tensors，因此使用 tensordot 比使用 np.dot 会更好(为了提高性能)。 NumPy 允许它 (numpy.dot) 通过降低性能在 tensors 上工作，而 tensorflow 似乎根本不允许它。

因此，对于 NumPy，我们将使用 np.tensordot -

np.tensordot(X, Y, axes=((2,),(0,)))

对于tensorflow，它将是tf.tensordot -

tf.tensordot(X, Y, axes=((2,),(0,)))

Related post to understand tensordot .