如何将张量乘以矩阵

Question

所以我有数组A，形状为[32,60,60]，数组B，形状为[32,60]。第一个维度是批大小，所以第一个维度是独立的。我想做的是一个简单的向量乘法矩阵。因此，对于A 中的每个样本，我想将[60,60] 形状的矩阵与[60] 形状的向量相乘。乘以批次 A*B 应该会给我一个形状数组 [32,60]。

这应该很简单，但我做错了：

>>> v = np.matmul(A,B)
ValueError: shapes (32,60,60) and (32,60) not aligned: 60 (dim 2) != 32 (dim 0)

这是用于 tensorflow，但如果我可以转换符号，一个 numpy 答案可能就足够了。

Answer 1

您似乎正在尝试使用 matrix-multiplication 来 sum-reduce 来自两个输入数组的最后一个轴。因此，使用np.einsum，它将是 -

np.einsum('ijk,ik->ij',A,B)

对于tensorflow，我们可以使用tf.einsum。

---

对于np.matmul，我们需要将B 扩展到3D，方法是在最后一个轴处引入一个新轴。因此，使用np.matmul 将得到B's 扩展版本sum-reduced 的第二个轴，而不是A 的第三个轴。结果将是3D。因此，通过切片或np.squeeze 挤出最后一个单轴。因此，实现将是 -

np.matmul(A,B[...,None])[...,0]

我们已经有一个现有的tf.matmul 函数。