首页 文章

Tensorflow，如何通过1D向量中的相应元素乘以2D张量（矩阵）

提问于
浏览 次
1

我有一个形状 [batch x dim] 的二维矩阵 M ，我有一个形状为 [batch] 的矢量 V . 如何将矩阵中的每个列乘以V中的相应元素？那是：

enter image description here

我知道一个低效的numpy实现看起来像这样：

import numpy as np
M = np.random.uniform(size=(4, 10))
V = np.random.randint(4)
def tst(M, V):
  rows = []
  for i in range(len(M)):
    col = []
    for j in range(len(M[i])):
      col.append(M[i][j] * V[i])
    rows.append(col)
  return np.array(rows)

在张量流中，给定两个张量，实现这一目标的最有效方法是什么？

import tensorflow as tf
sess = tf.InteractiveSession()
M = tf.constant(np.random.normal(size=(4,10)), dtype=tf.float32)
V = tf.constant([1,2,3,4], dtype=tf.float32)
python numpy tensorflow matrix-multiplication tensor

2 回答

  • 5

    在NumPy中，我们需要制作 V 2D 然后让广播进行逐元素乘法（即Hadamard乘积） . 我猜，它应该在 tensorflow 上相同 . 因此，为了扩展 tensorflow 上的dims，我们可以使用 tf.newaxis （在较新版本上）或 tf.expand_dims 或使用 tf.reshape 重塑 -

    tf.multiply(M, V[:,tf.newaxis])
tf.multiply(M, tf.expand_dims(V,1))
tf.multiply(M, tf.reshape(V, (-1, 1)))
    回复于
  • 4

    除了@Divakar的答案之外，我还要注意 M 和 V 的顺序无关紧要 . 似乎 tf.multiply 也做broadcasting during multiplication .

    例：

    In [55]: M.eval()
Out[55]: 
array([[1, 2, 3, 4],
       [2, 3, 4, 5],
       [3, 4, 5, 6]], dtype=int32)

In [56]: V.eval()
Out[56]: array([10, 20, 30], dtype=int32)

In [57]: tf.multiply(M, V[:,tf.newaxis]).eval()
Out[57]: 
array([[ 10,  20,  30,  40],
       [ 40,  60,  80, 100],
       [ 90, 120, 150, 180]], dtype=int32)

In [58]: tf.multiply(V[:, tf.newaxis], M).eval()
Out[58]: 
array([[ 10,  20,  30,  40],
       [ 40,  60,  80, 100],
       [ 90, 120, 150, 180]], dtype=int32)
    回复于

相关问题