Tensorflow 将 3D 张量乘以 2D 矩阵答案

【问题标题】：Tensorflow multiplication 3D tensor by 2D matrixTensorflow 将 3D 张量乘以 2D 矩阵
【发布时间】：2018-06-12 08:12:35
【问题描述】：

我正在尝试将 3D 张量乘以 2D 矩阵，但有一个未知维度。我在这里查看了所有关于此的帖子，但没有找到我想要的。

我有这些参数：

T - 形状（M，N）

L - 形状 (?,M,M)

F - 形状 (?, N)

我想用输出形状 (?,M) 做乘法 L * T * F。

我尝试扩展尺寸等。

不幸的是，我总是丢失 ? 维。

感谢您的建议。

【问题讨论】：

标签： python tensorflow

【解决方案1】：

你可以这样实现。

L --> [?, M, M]
T --> [M, N]
tensordot(L,T) axes [[2], [0]] --> [?,M, N]
F --> [?, N] --> expand axis --> [?, N, 1]
matmul [?, M, N], [?, N, 1] --> [?, M, 1] --> squeeze --> [?, M]

放在一起：

tf.squeeze(tf.matmul(tf.tensordot(L,T, axes=[[2],[0]]),F[...,None]))

【讨论】：

【解决方案2】：

作为一名学习者，我发现问题和答案非常神秘。所以我为自己简化了。

import tensorflow as tf

L = tf.placeholder(tf.float32, shape=[None, 5, 5])

T = tf.placeholder(tf.float32, shape=[ 5, 10])

F = tf.placeholder(tf.float32, shape=[ None, 10])

print ((tf.tensordot(L,T, axes=[[2],[0]])).get_shape)

# This is more cryptic. Not really sure.
#print(F[...,None].get_shape) 
print( tf.expand_dims(F,2).get_shape)

finaltensor = tf.matmul(tf.tensordot(L,T, axes=[[2],[0]]),F[...,None])

print (finaltensor.get_shape)

squeezedtensor = tf.squeeze(finaltensor)

print (tf.shape(squeezedtensor))

除了最后一行之外，所有打印的内容都是清晰的。

<bound method Tensor.get_shape of <tf.Tensor 'Tensordot:0' shape=(?, 5, 10) dtype=float32>>

<bound method Tensor.get_shape of <tf.Tensor 'ExpandDims:0' shape=(?, 10, 1) dtype=float32>>

<bound method Tensor.get_shape of <tf.Tensor 'MatMul:0' shape=(?, 5, 1) dtype=float32>>

Tensor("Shape:0", shape=(?,), dtype=int32)

【讨论】：