Question

这是我的第一篇文章，我通常会在档案中找到我所有的答案，但是对此很难，谢谢您的帮助！

我有两个矩阵A和B。使用tf.matmult进行矩阵乘法运算很简单。但是我想做矩阵减法，类似于矩阵乘法的工作原理。例如，如果有。

A = tf.constant([[1, 1, 1, 2, 3, 1],[1,2,3,4,5,6],[4,3,2,1,6,5]])
B = tf.constant([[1,3,1],[2,1,1]])

#B*A
X = tf.matmult(B,A)
>>>X = [[8,10,12,15,24,24],[7,7,7,9,17,13]]

我想做的是做类似matmult的操作，但是我要减法和平方而不是乘法。例如...

对于x ₁₁，其中下标11是矩阵X的第1行，第1列。

=（-b ₁₁ + a ₁₁）² +（-b ₁₂ + a ₂₁）² +（-b ₁₃ + a ₃₁）²

和

x ₁₂ =（-b ₁₁ + a ₁₂）² +（-b ₁₂ + a ₂₂）² +（-b ₁₃ + a ₃₂）²

等类似矩阵乘法的工作原理。

因此，如果我们采用上面的矩阵A和B并执行上述操作（称为matmultsubtract），则会得到

tf.matmultsubtract（B，A）给出：

[[（（-1 + 1）² +（-3 + 1）² +（-1 + 4）²，（-1 + 1）² +（-3 + 2）² +（-1 + 3）²，...]，

[（-2 + 1）² +（-1 + 1）² +（-1 + 4）²，（ -2 + 1）² +（-1 + 2）² +（-1 + 3）²，...]] < / p>

如果通过手动迭代而不是np.matmult来处理numpy数组（您可以使用两个嵌套的for循环），这并不难，但是tensorflow存在for循环的问题，我不确定该怎么做

感谢您的帮助。

Answer 1

尝试不可以作为矩阵减法的矢量化操作。

# shape=(2,3,6)
B_new = tf.tile(tf.expand_dims(B,axis=-1),multiples=[1,1,A.shape[1]])
# shape=(2,3,6)
A_new = tf.tile(tf.expand_dims(A,axis=0),multiples=[B.shape[0],1,1])
# shape=(2,6)
result = tf.reduce_sum(tf.square(A_new - B_new),axis=1)
with tf.Session() as sess:
    print(sess.run(result))

[[13  5  1  2 33 25]
 [10  6  6  9 42 42]]

像张量流中的矩阵乘法一样的矩阵减法

1 个答案: