我有一个形状为 (3, 4, 5) 的 tensor3 和另一个形状为 (3, 4, 7, 5) 的 tensor4。 在 numpy 中，
result = np.einsum("ijk, ijmk->ijm", tensor3, tensor4)
print result.shape
(3, 4, 7)
但是在 theano 中，该怎么做呢。
【问题讨论】：
标签： python numpy deep-learning theano numpy-einsum
第一步是转置和重塑你的张量，以便只保留第一个维度。在这种情况下，它很简单，您只需将前两个维度结合起来：
x = tensor.tensor3()
y = tensor.tensor4()
i, j, m, k = y.shape
x_ = x.reshape((i * j, k))
y_ = y.reshape((i * j, m, k))
然后，您向batched_tensordot 指定您要将x_ 的轴1 与y_ 的轴2 相加：
z_ = tensor.batched_tensordot(x_, y_, (1, 2)) # shape (i * j, m)
最后，重塑z_ 得到前两个维度：
z = z_.reshape((i, j, m))
print(z.eval({x: np.zeros((3, 4, 5)), y: np.zeros((3, 4, 7, 5))}).shape)
# (3, 4, 7)
【讨论】：