在 4D 3D 张量的 tensorflow 中没有广播 tf.matmul

Question

首先我在这里找到另一个问题No broadcasting for tf.matmul in TensorFlow
但是这个问题并不能解决我的问题。

我的问题是一批矩阵乘以另一批向量。

x=tf.placeholder(tf.float32,shape=[10,1000,3,4])
y=tf.placeholder(tf.float32,shape=[1000,4])

x是一组矩阵。共有10*1000个矩阵。每个矩阵的形状为[3,4]
y 是一组向量。有 1000 个向量。每个向量的形状为[4]
x 的 1 和 y 的 0 相同。（这里是 1000）
如果 tf.matmul 支持广播，我可以写

y=tf.reshape(y,[1,1000,4,1])
result=tf.matmul(x,y)
result=tf.reshape(result,[10,1000,3])

但是 tf.matmul 不支持广播
如果我使用上面提到的问题的方法

x=tf.reshape(x,[10*1000*3,4])
y=tf.transpose(y,perm=[1,0]) #[4,1000]
result=tf.matmul(x,y)
result=tf.reshape(result,[10,1000,3,1000])

结果的形状是 [10,1000,3,1000]，而不是 [10,1000,3]。
不知道怎么去掉多余的1000
如何获得与支持广播的 tf.matmul 相同的结果？

Answer 1

我自己解决。

x=tf.transpose(x,perm=[1,0,2,3]) #[1000,10,3,4]
x=tf.reshape(x,[1000,30,4])
y=tf.reshape(y,[1000,4,1])
result=tf.matmul(x,y) #[1000,30,1]
result=tf.reshape(result,[1000,10,3])
result=tf.transpose(result,perm=[1,0,2]) #[10,1000,3]

Answer 2

如here 所示，您可以使用函数来解决：

def broadcast_matmul(A, B):
  "Compute A @ B, broadcasting over the first `N-2` ranks"
  with tf.variable_scope("broadcast_matmul"):
    return tf.reduce_sum(A[..., tf.newaxis] * B[..., tf.newaxis, :, :],
                         axis=-2)