tensorflow多维张量计算实例

时间:2021-05-22

两个三维矩阵的乘法怎样计算呢?我通过实验发现,tensorflow把前面的维度当成是batch,对最后两维进行普通的矩阵乘法。也就是说,最后两维之前的维度,都需要相同。

首先计算shape为(2, 2, 3)乘以shape为(2, 3, 2)的张量。

import tensorflow as tfimport numpy as npa = tf.constant(np.arange(1, 13, dtype=np.float32), shape=[2, 2, 3])b = tf.constant(np.arange(1, 13, dtype=np.float32), shape=[2, 3, 2])c = tf.matmul(a, b)# c = tf.matmul(a, b)sess = tf.Session()print("a*b = ", sess.run(c))c1 = tf.matmul(a[0, :, :], b[0, :, :])print("a[1]*b[1] = ", sess.run(c1))

运行结果:

计算结果表明,两个三维矩阵相乘,对应位置的最后两个维度的矩阵乘法。

再验证高维的张量乘法:

import tensorflow as tfimport numpy as npa = tf.constant(np.arange(1, 36, dtype=np.float32), shape=[3, 2, 2, 3])b = tf.constant(np.arange(1, 36, dtype=np.float32), shape=[3, 2, 3, 2])c = tf.matmul(a, b)# c = tf.matmul(a, b)sess = tf.Session()print("a*b = ", sess.run(c))c1 = tf.matmul(a[0, 0, :, :], b[0, 0, :, :])print("a[1]*b[1] = ", sess.run(c1))

运行结果:

以上这篇tensorflow多维张量计算实例就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。

声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。

相关文章