Question

我有一个向量x = <C elements>。我想用矩阵Z = <C x C elements>对它进行多重处理。这将给出<1xC>矩阵（<C>向量）的输出。如果我只为每个样本提供一个样本，我可以将它们相乘。

但在培训期间，我有张量x = <NxC>和Z = <NxCxC>，其中'N'是我的小批量大小。在这种情况下如何实现上述计算。普通tf.matmul()返回错误，抱怨维度。 ValueError: Shape must be rank 2 but is rank 3 for 'Channel/MatMul' (op: 'MatMul') with input shapes: [?,2], [?,2,2].

谢谢，

Vishnu Raj

Answer 1

这是一种方法：

展开张量x的最后一个维度。它的形状现在是(N, C)。
将张量Z和x与广播相乘。结果张量的形状为(N, C, C)。
对张量的最后一个维度求和。

例如：

import tensorflow as tf

N = 2
C = 3

Z = tf.ones((N, C, C))  # Shape=(N, C, C)
x = tf.reshape(tf.range(0, N*C, dtype=tf.float32), shape=(N, C))  # Shape=(N, C)
mul = tf.reduce_sum(Z * x[:, :, None], axis=-1)  # Shape=(N, C)

with tf.Session() as sess:
    print(sess.run(mul))

张量流：使用矩阵对载体进行多重化

1 个答案: