批量中按行处理张量答案

【问题标题】：Row-wise processing of tensors in a batch批量中按行处理张量
【发布时间】：2019-11-03 19:07:41
【问题描述】：

我需要分别获取张量每一行的外积。代码如下：

input1=K.placeholder(shape=(None, 12)) prod=K.map_fn(someMethod,input1)

someMethod 需要执行以下操作：

*def someMethod(x):*
    ## get the outerproduct row-wise of input1 #
    outer=x*x.T
    ## subtract the identity matrix from the outer product #
    diff=outer-np.eye(12) 
    ## and return the trace of the difference matrix #
    trace=np.trace(diff)
    return trace

我希望跟踪值是标量，但 prod 是批量大小的输入列表？我使用 plaidml 作为后端，因此，希望与 numpy 或 keras 后端一起工作的东西，或者可能是 tensorflow。

【问题讨论】：

标签： python numpy tensorflow keras tensor

【解决方案1】：

您好，欢迎来到 Stack Overflow。

对于矩阵 A 的逐行外积，请使用以下代码：

outer_product = np.matmul(A[:,:,np.newaxis], A[:,np.newaxis,:])

【讨论】：

np.matmul 给出了错误，但 A[:,:,np.newaxis]*A[:,np.newaxis,:] 与 tensorflow 后端一起使用，但 PlaidML 在以 None 作为索引进行协商时存在问题尺寸。我正在寻找解决该问题的 ML 实现，因为 tensorflow 执行速度非常慢，而且我没有 Nvidia gpu。
能否在 Colab 上分享您的代码，以便我们一起观察问题？
好的。 Colab link italic bold 我希望代码与 plaidml 后端一起使用。我不知何故让它适用于 tensorflow。
我请求您的许可。
colab.research.google.com/drive/…

【解决方案2】：

以下示例对形状为 [None, None] 的张量 x（可变批量大小和可变向量维度）执行请求的操作。它已经在 Tensorflow 1.13.1 和 2.0RC 中进行了测试（tf.placeholder 必须在 2.0 中删除）。注释假定输入形状为 [None, 12] 以进行解释。

import tensorflow as tf

x = tf.placeholder(tf.float32, shape=[None, None])  # Remove for TF 2.0
# Explicitly perform batch-wise outer product using Einstein summation notation
outer = tf.einsum('bi, bj -> bij', x, x)
outer.shape
# TensorShape([Dimension(None), Dimension(12), Dimension(12)])
diff = outer - tf.eye(tf.shape(x)[1])
trace = tf.linalg.trace(diff)
trace.shape
# TensorShape([Dimension(None)])

如您所见，Tensorflow 不需要在输入的批处理维度上映射辅助函数。你可以了解更多关于tf.einsumhere的信息。

【讨论】：