Tensorflow：在两个不同形状的张量的第一个维度上压缩

Question

假设我有两个张量，它们的形状分别为[b, n]和[b, n, m]。这些可以解释为一批输入向量，每种形状为[n]，以及一批权重矩阵，每种形状为[n, m]，其中批大小为b。我想在第一个维度上将这些元素逐个配对，因此每个输入向量都有一个相应的权重矩阵，然后将每个输入乘以其权重，得出形状为[b, m]的张量。

在普通的Python中，我怀疑这看起来像

output_list = [matmul(w, i) for w, i in zip(weight_list, input_list)]

，但找不到Tensorflow类似物；有办法吗？

Answer 1

tf.matmul可以对批处理中的每个训练示例进行覆盖。但是您需要解决一些尺寸问题才能实现目标。

import tensorflow as tf

b,n,m = 4,3,2
weight_list = tf.random.normal(shape=(b,n,m))
input_list = tf.random.normal(shape=(b,n))
result = tf.squeeze(tf.matmul(tf.expand_dims(input_list,axis=1),weight_list))
print(result.shape)

(4, 2)