python - tensorflow张量乘法的有效方法

Question

我在 tensorflow 中有两个张量，第一个张量是 3-D，第二个是 2D。我想像这样将它们相乘:

x = tf.placeholder(tf.float32, shape=[sequence_length, batch_size, hidden_num]) 
w = tf.get_variable("w", [hidden_num, 50]) 
b = tf.get_variable("b", [50])

output_list = []
for step_index in range(sequence_length):
    output = tf.matmul(x[step_index,  :,  :], w) + b
    output_list.append(output)
output = tf.pack(outputs_list)

我用循环做乘法运算，但我觉得太慢了。使此过程尽可能简单/干净的最佳方法是什么？

Answer 1

您可以使用 batch_matmul。不幸的是，batch_matmul 似乎不支持沿批量维度进行广播，因此您必须平铺 w 矩阵。这将使用更多内存，但所有操作将保留在 TensorFlow 中

a = tf.ones((5, 2, 3))
b = tf.ones((3, 1))
b = tf.reshape(b, (1, 3, 1))
b = tf.tile(b, [5, 1, 1])
c = tf.batch_matmul(a, b) # use tf.matmul in TF 1.0 
sess = tf.InteractiveSession()
sess.run(tf.shape(c))

这给出了

array([5, 2, 1], dtype=int32)