Question

在张量流中，是否有办法将每个通道乘以不同的矩阵？

想象一下你有一个2D维数的阵列（N，D1）。您可以将其乘以大小为（D1，D2）的数组B，以获得输出大小（N，D2）。

现在假设您有一个3D维数组（N，D1,3）。假设您有B1，B2，B3全尺寸（D1，D2）。组合输出A * B1，A * B2，A * B3，您可以形成一个大小（N，D2,3）的数组。但有没有办法通过一次乘法来获得（N，D2,3）的输出大小？我调查了转置和matmul，但它似乎不适用于此目的。

谢谢！

Answer 1

https://stackoverflow.com/a/42234117/9397533可以在这里应用。

为了使下面的代码更容易理解，我重命名为D1 = O和D2 = P。

import tensorflow as tf

A = tf.random_normal([N, O, 3])
B = tf.random_normal([O, P, 3])  # B = tf.stack([B1, B2, B3], axis=2)
res = tf.einsum("noi,opi->npi", A, B)

Answer 2

您可以在此处使用tf.matmul。只是你必须转换尺寸。

考虑一下，N = 2, D1 = 4, D2 = 5。首先创建两个形状为N x D1 x 3和D1 x D2 x 3的矩阵。

a = tf.constant(np.arange(1, 25, dtype=np.int32), shape=[2,4,3])
b = tf.constant(np.arange(1, 61, dtype=np.int32), shape=[4,5,3])

转置矩阵，使第一个维度相同。

a = tf.transpose(a, (2, 0, 1))  # a.shape = (3, 2, 4)
b = tf.transpose(b, (2, 0, 1))  # b.shape = (3, 4, 5)

照常执行乘法。

r = tf.matmul(a,b)  # r.shape = (3, 2, 5)
r = tf.transpose(r, (1, 2, 0))  # r.shape = (2, 5, 3)

希望这有帮助。

用不同的矩阵乘以每个通道？

2 个答案: