Tensorflow二维、三维、四维矩阵运算(矩阵相乘,点乘,行/列累加)
根据矩阵相乘的匹配原则,左乘矩阵的列数要等于右乘矩阵的行数。
在多维(三维、四维)矩阵的相乘中,需要最后两维满足匹配原则。
可以将多维矩阵理解成:(矩阵排列,矩阵),即后两维为矩阵,前面的维度为矩阵的排列。
比如对于(2,2,4)来说,视为2个(2,4)矩阵。
对于(2,2,2,4)来说,视为2*2个(2,4)矩阵。
import tensorflow as tf a_2d = tf.constant([1]*6, shape=[2, 3]) b_2d = tf.constant([2]*12, shape=[3, 4]) c_2d = tf.matmul(a_2d, b_2d) a_3d = tf.constant([1]*12, shape=[2, 2, 3]) b_3d = tf.constant([2]*24, shape=[2, 3, 4]) c_3d = tf.matmul(a_3d, b_3d) a_4d = tf.constant([1]*24, shape=[2, 2, 2, 3]) b_4d = tf.constant([2]*48, shape=[2, 2, 3, 4]) c_4d = tf.matmul(a_4d, b_4d) with tf.Session() as sess: tf.global_variables_initializer().run() print("# {}*{}={} \n{}". format(a_2d.eval().shape, b_2d.eval().shape, c_2d.eval().shape, c_2d.eval())) print("# {}*{}={} \n{}". format(a_3d.eval().shape, b_3d.eval().shape, c_3d.eval().shape, c_3d.eval())) print("# {}*{}={} \n{}". format(a_4d.eval().shape, b_4d.eval().shape, c_4d.eval().shape, c_4d.eval()))
点乘指的是shape相同的两个矩阵,对应位置元素相乘,得到一个新的shape相同的矩阵。
a_2d = tf.constant([1]*6, shape=[2, 3]) b_2d = tf.constant([2]*6, shape=[2, 3]) c_2d = tf.multiply(a_2d, b_2d) a_3d = tf.constant([1]*12, shape=[2, 2, 3]) b_3d = tf.constant([2]*12, shape=[2, 2, 3]) c_3d = tf.multiply(a_3d, b_3d) a_4d = tf.constant([1]*24, shape=[2, 2, 2, 3]) b_4d = tf.constant([2]*24, shape=[2, 2, 2, 3]) c_4d = tf.multiply(a_4d, b_4d) with tf.Session() as sess: tf.global_variables_initializer().run() print("# {}*{}={} \n{}". format(a_2d.eval().shape, b_2d.eval().shape, c_2d.eval().shape, c_2d.eval())) print("# {}*{}={} \n{}". format(a_3d.eval().shape, b_3d.eval().shape, c_3d.eval().shape, c_3d.eval())) print("# {}*{}={} \n{}". format(a_4d.eval().shape, b_4d.eval().shape, c_4d.eval().shape, c_4d.eval()))
另外,点乘的其中一方可以是一个常数,也可以是一个和矩阵行向量等长(即列数)的向量。
因为在点乘过程中,会自动将常数或者向量进行扩维。
a_2d = tf.constant([1]*6, shape=[2, 3]) k = tf.constant(2) l = tf.constant([2, 3, 4]) b_2d_1 = tf.multiply(k, a_2d) # tf.multiply(a_2d, k) is also ok b_2d_2 = tf.multiply(l, a_2d) # tf.multiply(a_2d, l) is also ok a_3d = tf.constant([1]*12, shape=[2, 2, 3]) b_3d_1 = tf.multiply(k, a_3d) # tf.multiply(a_3d, k) is also ok b_3d_2 = tf.multiply(l, a_3d) # tf.multiply(a_3d, l) is also ok a_4d = tf.constant([1]*24, shape=[2, 2, 2, 3]) b_4d_1 = tf.multiply(k, a_4d) # tf.multiply(a_4d, k) is also ok b_4d_2 = tf.multiply(l, a_4d) # tf.multiply(a_4d, l) is also ok with tf.Session() as sess: tf.global_variables_initializer().run() print("# {}*{}={} \n{}". format(k.eval().shape, a_2d.eval().shape, b_2d_1.eval().shape, b_2d_1.eval())) print("# {}*{}={} \n{}". format(l.eval().shape, a_2d.eval().shape, b_2d_2.eval().shape, b_2d_2.eval())) print("# {}*{}={} \n{}". format(k.eval().shape, a_3d.eval().shape, b_3d_1.eval().shape, b_3d_1.eval())) print("# {}*{}={} \n{}". format(l.eval().shape, a_3d.eval().shape, b_3d_2.eval().shape, b_3d_2.eval())) print("# {}*{}={} \n{}". format(k.eval().shape, a_4d.eval().shape, b_4d_1.eval().shape, b_4d_1.eval())) print("# {}*{}={} \n{}". format(l.eval().shape, a_4d.eval().shape, b_4d_2.eval().shape, b_4d_2.eval()))
4. 行/列累加
a_2d = tf.constant([1]*6, shape=[2, 3]) d_2d_1 = tf.reduce_sum(a_2d, axis=0) d_2d_2 = tf.reduce_sum(a_2d, axis=1) a_3d = tf.constant([1]*12, shape=[2, 2, 3]) d_3d_1 = tf.reduce_sum(a_3d, axis=1) d_3d_2 = tf.reduce_sum(a_3d, axis=2) a_4d = tf.constant([1]*24, shape=[2, 2, 2, 3]) d_4d_1 = tf.reduce_sum(a_4d, axis=2) d_4d_2 = tf.reduce_sum(a_4d, axis=3) with tf.Session() as sess: tf.global_variables_initializer().run() print("# a_2d 行累加得到shape:{}\n{}".format(d_2d_1.eval().shape, d_2d_1.eval())) print("# a_2d 列累加得到shape:{}\n{}".format(d_2d_2.eval().shape, d_2d_2.eval())) print("# a_3d 行累加得到shape:{}\n{}".format(d_3d_1.eval().shape, d_3d_1.eval())) print("# a_3d 列累加得到shape:{}\n{}".format(d_3d_2.eval().shape, d_3d_2.eval())) print("# a_4d 行累加得到shape:{}\n{}".format(d_4d_1.eval().shape, d_4d_1.eval())) print("# a_4d 列累加得到shape:{}\n{}".format(d_4d_2.eval().shape, d_4d_2.eval()))
以上这篇Tensorflow矩阵运算实例(矩阵相乘,点乘,行/列累加)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。
免责声明:本站文章均来自网站采集或用户投稿,网站不提供任何软件下载或自行开发的软件!
如有用户或公司发现本站内容信息存在侵权行为,请邮件告知! 858582#qq.com
白云城资源网 Copyright www.dyhadc.com
暂无“Tensorflow矩阵运算实例(矩阵相乘,点乘,行/列累加)”评论...
更新日志
2024年11月08日
2024年11月08日
- 雨林唱片《赏》新曲+精选集SACD版[ISO][2.3G]
- 罗大佑与OK男女合唱团.1995-再会吧!素兰【音乐工厂】【WAV+CUE】
- 草蜢.1993-宝贝对不起(国)【宝丽金】【WAV+CUE】
- 杨培安.2009-抒·情(EP)【擎天娱乐】【WAV+CUE】
- 周慧敏《EndlessDream》[WAV+CUE]
- 彭芳《纯色角3》2007[WAV+CUE]
- 江志丰2008-今生为你[豪记][WAV+CUE]
- 罗大佑1994《恋曲2000》音乐工厂[WAV+CUE][1G]
- 群星《一首歌一个故事》赵英俊某些作品重唱企划[FLAC分轨][1G]
- 群星《网易云英文歌曲播放量TOP100》[MP3][1G]
- 方大同.2024-梦想家TheDreamer【赋音乐】【FLAC分轨】
- 李慧珍.2007-爱死了【华谊兄弟】【WAV+CUE】
- 王大文.2019-国际太空站【环球】【FLAC分轨】
- 群星《2022超好听的十倍音质网络歌曲(163)》U盘音乐[WAV分轨][1.1G]
- 童丽《啼笑姻缘》头版限量编号24K金碟[低速原抓WAV+CUE][1.1G]