Tensorflow：迭代逐行，逐元素乘法，减少和。自定义卷积

Question

我有两个张量，

x = shape(batchsize, 29, 64), 
y = shape(batchsize, 29, 29, 64)

我想在y上逐行迭代，用x执行元素乘法，sum_reduce结果，并将这些结果堆叠到新的张量。 结果应该是一个形状（batchsize，29,64）。 它与卷积非常相似。

我将如何顺序编程：

for batchnr in range(x.shape[0]): 
    for n in range(y.shape[1]):
        temp = tf.multiply(x[batchnr][n], y[batchnr]) #shape(29,64)
        prod = tf.reduce_sum(temp) # shape(1,64)
        res[batchnr][n] = prod

我已经创建了这个解释图：由于reduce_sum是针对每一行完成的，因此结果是一个形状的张量（batchsize，29,64）。

我无法弄清楚如何正确而有效地做到这一点。谢谢。

Answer 1

我想我已经找到了解决方案。而不是迭代y：

• 将x放大为y
的形状
• 乘法
• 减少

在代码中看起来像：

m = K.tf.constant([1, 29, 1], dtype=K.tf.int32)
x = K.tf.tile(Z_RBF[0], m) #vermehrfache Z und stacke es zu RBF shape
x = K.tf.reshape(x, shape=(-1, *Z_RBF[1].shape[1:]))
x = K.tf.multiply(x, Z_RBF[1])
x = K.tf.reduce_sum(x, axis=2)  # shape (batchsize, 29, 64)

。