张量点：使用 python 进行深度学习

【问题标题】：Tensor dot: deep learning with python张量点：使用 python 进行深度学习
【发布时间】：2018-01-03 17:59:12
【问题描述】：

我目前正在阅读 Deep Learning with Python，我不确定作者在第 42 页上要说什么。链接是here

更一般地说，您可以取高维张量之间的点积，遵循与前面针对 2D 案例概述的相同形状兼容性规则：
(a, b, c, d) . (d,) -> (a, b, c)
(a, b, c, d) . (d, e) -> (a, b, c, e)

不知道他想在这里说什么。我确实了解矩阵乘法的工作原理，但上面两行代码不清楚。

【问题讨论】：

【解决方案1】：

按照这个符号，矩阵乘法是

(a, b) * (b, c) -> (a, c)

当第二个矩阵为向量时，化简为

(a, b) * (b, ) -> (a, )

现在，书中的公式简单地解释了当第一个或第二个矩阵有额外维度时如何扩展此操作。重要的是两者都有一个匹配的维度（最后一个暗淡==第一个暗淡，没有重塑），张量可以沿着这个维度相乘，消除这个维度。因此，结果形状的公式：

(a, b, c, d) * (d, e) -> (a, b, c, e)

【讨论】：