Функция Матмуля для вектора с тензорным умножением в тензорном потоке

Question

В общем, когда мы умножаем вектор v измерения 1*n с тензором T измерения m*n*kмы ожидаем получить матрицу / тензор размерности m*k/m*1*k, Это означает, что наш тензор имеет m кусочки матриц с размерностью n*k, а также v умножается на каждую матрицу, и результирующие векторы складываются вместе. Для того, чтобы сделать это умножение в tensorflowЯ придумал следующую формулировку. Мне просто интересно, есть ли встроенная функция, которая делает это стандартное умножение простым?

T = tf.Variable(tf.random_normal((m,n,k)), name="tensor") 
v = tf.Variable(tf.random_normal((1,n)), name="vector")  
c = tf.stack([v,v]) # m times, here set m=2
output = tf.matmul(c,T)

Answer 1

Вы можете сделать это с:

tf.reduce_sum(tf.expand_dims(v,2)*T,1)

Код:

m, n, k = 2, 3, 4
T = tf.Variable(tf.random_normal((m,n,k)), name="tensor") 
v = tf.Variable(tf.random_normal((1,n)), name="vector")  


c = tf.stack([v,v]) # m times, here set m=2    
out1 = tf.matmul(c,T) 

out2 = tf.reduce_sum(tf.expand_dims(v,2)*T,1)
with tf.Session() as sess:
  sess.run(tf.global_variables_initializer())
  n_out1 = sess.run(out1) 
  n_out2 = sess.run(out2)
  #both n_out1 and n_out2 matches

Answer 2

Не уверен, что есть лучший способ, но похоже, что вы могли бы использовать tf.map_fn как это:

 output = tf.map_fn(lambda x: tf.matmul(v, x), T)