在 Tensorflow 中将一组常数（1D 数组）与一组矩阵（3D 数组）相乘答案

【问题标题】：Multiply a set of constants (1D array) with a set of matrixes (3D array) in Tensorflow在 Tensorflow 中将一组常数（1D 数组）与一组矩阵（3D 数组）相乘
【发布时间】：2018-08-29 23:04:29
【问题描述】：

我的最终目标是训练基于均值和协方差参数化的 4D 多元高斯分布

在哪里，

和，

目前我有以下代码：

import tensorflow as tf
import numpy as np

value = [[1,2.0,3,4,5],[0,2,4,6,8],[80,7,6,5,4]]

value=tf.constant(value)

cov= tf.slice(value,[0,int(value.shape[1])-1],[int(value.shape[0]),1])
mean= tf.slice(value,[0,0],[int(value.shape[0]),int(value.shape[1])-1])

eyes=tf.eye(int(mean.shape[1]),batch_shape=[int(value.shape[0])])


#eyes = tf.multiply(eyes,cov)



normal = tf.contrib.distributions.MultivariateNormalFullCovariance(
                 loc=mean,
                 covariance_matrix=eyes)

value = [[1,2.0,3,4,5],[0,2,4,6,8],[80,7,6,5,4]] 是其余代码可能收到的示例。

在上面的例子中

cov = <tf.Tensor 'Slice_2:0' shape=(3, 1) dtype=float32>
eyes = <tf.Tensor 'eye_1/MatrixDiag:0' shape=(3, 4, 4) dtype=float32>

                     cov =  [[5.] [8.] [4.]]` 
                     eyes =  [[[1. 0. 0. 0.]
                              [0. 1. 0. 0.]
                              [0. 0. 1. 0.]
                              [0. 0. 0. 1.]]

                             [[1. 0. 0. 0.]
                              [0. 1. 0. 0.]
                              [0. 0. 1. 0.]
                              [0. 0. 0. 1.]]

                             [[1. 0. 0. 0.]
                              [0. 1. 0. 0.]
                              [0. 0. 1. 0.]
                              [0. 0. 0. 1.]]]`

我的问题是，在给定cov 和eyes 的情况下，如何获得result？结果如下：

result = [[[5., 0., 0., 0.],
           [0., 5., 0., 0.],
           [0., 0., 5., 0.],
           [0., 0., 0., 5.]],

          [[8., 0., 0., 0.],
           [0., 8., 0., 0.],
           [0., 0., 8., 0.],
           [0., 0., 0., 8.]],

          [[4., 0., 0., 0.],
           [0., 4., 0., 0.],
           [0., 0., 4., 0.],
           [0., 0., 0., 4.]]]

谢谢，提前。

【问题讨论】：

标签： python tensorflow matrix matrix-multiplication

【解决方案1】：

Tensorflow 使用与 numpy 相同类型的索引，这可能非常强大。

您可以在此处查看详细信息：https://docs.scipy.org/doc/numpy-1.13.0/user/basics.broadcasting.html 请注意，np.newaxis 的定义与 None 相同。

对于您的问题，您可以为数据添加一个额外的维度，以确保数组相乘的方式没有歧义。

import numpy as np
cov = np.array([[5.],[8.],[4.]])
eyes = np.array([[[1.0,0,0,0],[0.0,1.0,0.0,0],[0.0,0.0,1.0,0],[0.0,0.0,0.0,1.0]],[[1.0,0,0,0],[0.0,1.0,0.0,0],[0.0,0.0,1.0,0],[0.0,0.0,0.0,1.0]],[[1.0,0,0,0],[0.0,1.0,0.0,0],[0.0,0.0,1.0,0],[0.0,0.0,0.0,1.0]]])
result = cov[:,:,None]*eyes

在这里使用None 会增加一个额外的维度，使cov 成为一个3x1x1 数组，它可以明确地与一个3x4x4 数组相乘。你也可以在 tensorflow 中这样使用None。

如果每个对应维度的大小相同，或者其中一个的大小为 1，则两个数组可以明确相乘。

【讨论】：