什么是倍增（逐元素）2D张量（矩阵）的最有效方法：
x11 x12 .. x1N ... xM1 xM2 .. xMN
通过垂直向量：
w1 ... wN
获得一个新的矩阵：
x11*w1 x12*w2 ... x1N*wN ... xM1*w1 xM2*w2 ... xMN*wN
为了给出一些上下文，我们可以批量处理 M 数据样本，并且每个 N -element样本必须乘以存储在变量中的权重 w ，最终为每行 i 选择最大 Xij*wj .
M
N
w
i
Xij*wj
执行此操作的最简单代码依赖于tf.multiply() *的广播行为，该行为基于numpy's broadcasting behavior：
x = tf.constant(5.0, shape=[5, 6]) w = tf.constant([0.0, 1.0, 2.0, 3.0, 4.0, 5.0]) xw = tf.multiply(x, w) max_in_rows = tf.reduce_max(xw, 1) sess = tf.Session() print sess.run(xw) # ==> [[0.0, 5.0, 10.0, 15.0, 20.0, 25.0], # [0.0, 5.0, 10.0, 15.0, 20.0, 25.0], # [0.0, 5.0, 10.0, 15.0, 20.0, 25.0], # [0.0, 5.0, 10.0, 15.0, 20.0, 25.0], # [0.0, 5.0, 10.0, 15.0, 20.0, 25.0]] print sess.run(max_in_rows) # ==> [25.0, 25.0, 25.0, 25.0, 25.0]
*在旧版本的TensorFlow中， tf.multiply() 被称为 tf.mul() . 您也可以使用 * 运算符（即 xw = x * w ）执行相同的操作 .
tf.multiply()
tf.mul()
*
xw = x * w
1 回答
执行此操作的最简单代码依赖于tf.multiply() *的广播行为，该行为基于numpy's broadcasting behavior：
*在旧版本的TensorFlow中，
tf.multiply()被称为tf.mul(). 您也可以使用*运算符（即xw = x * w）执行相同的操作 .