假设我有以下张量：
X = np.zeros((3,201, 340))
Y = np.zeros((340, 28))
制作X，Y的点积是成功的numpy，并产生一个张量的形状（3,201,28）。
但是，对于tensorflow，我收到以下错误：Shape must be rank 2 but is rank 3 error ...
最小代码示例：
X = np.zeros((3,201, 340))
Y = np.zeros((340, 28))
print(np.dot(X,Y).shape) # successful (3, 201, 28)
tf.matmul(X, Y) # errornous
知道如何用tensorflow实现相同的结果吗？
答案 0 :(得分：3)
由于您正在使用.state('customer.customerDetail', {
url: '/customerdetail',
templateUrl: 'views/customerDetail.html',
controller: 'customerDetailCtrl',
data: {
pageTitle: 'Customer detail'
},
params: {
selectedCustomer: null,
},
resolve: {
loginRequired: loginRequired,
loadPlugin: function ($ocLazyLoad) {
return $ocLazyLoad.load([{
files: ['js/plugins/hammer/hammer.min.js']
},
{
files: ['css/customerDetail.css'],
cache: false,
},
]);
}
}
})
，因此使用tensors比tensordot更好（性能更好）。 NumPy允许它（numpy.dot）通过降低性能在np.dot上工作，似乎tensors根本不允许它。
因此，对于NumPy，我们会使用np.tensordot -
tensorflow对于np.tensordot(X, Y, axes=((2,),(0,)))
，它将与tf.tensordot -
tensorflow答案 1 :(得分：1)
Tensorflow不允许将不同等级的矩阵乘以numpy。
为了解决这个问题，您可以重塑矩阵。这基本上铸造了一个矩阵， 比如说，通过“堆叠矩阵”将等级3排在第3位，而将其叠加在另一个之上。
你可以用这个：
<img src='ArsenalU.jpg' onmouseover="this.src='Arsenal.png';"
onmouseout="this.src='ArsenalU.png';" />
其中i，j和k是矩阵1的维数，k和l是矩阵2的维数。
取自here。