我想以张量形式表示堆叠的矩阵。
tensor.shape == [2,5,7,6]
其中2和5是批次的大小,
tensor2.shape == [5,6,8]
其中5是批次大小。
在numpy中,Tensor2自动播放到[2,5,7,6]张量
所以我可以轻松地使用np.matmul(tensor,tensor2)
但在张力流中,发生错误。
我尝试了tf.expand_dims(tensor2,0)
,但这也不起作用
有什么方法可以在TensorFlow中广播张量?
您可以使用tf.einsum
:
tf.einsum('abij,bjk->abik', tensor, tensor2)
示例:
import tensorflow as tf
x = tf.zeros((2, 5, 7, 6))
y = tf.zeros((5, 6, 8))
z = tf.einsum('abij,bjk->abik', x, y)
z.shape.as_list()
# returns [2, 5, 7, 8]
解决此类问题的最通用和最合适的方法是使用tf.einsum。此功能允许您使用爱因斯坦符号直接指定乘法规则,该符号是通过任意尺寸张量来操作的,该符号。