tensorflow多维张量计算实例
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。
importtensorflowastf
importnumpyasnp
a=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：
importtensorflowastf
importnumpyasnp
a=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毛票票。
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。