矩阵减法类似于张量流中的矩阵乘法答案

【问题标题】：Matrix Subtract like Matrix Multiplication in tensorflow矩阵减法类似于张量流中的矩阵乘法
【发布时间】：2018-12-28 00:46:24
【问题描述】：

这是我的第一篇文章，我通常在档案中找到我所有的答案，但是很难用这个，谢谢你的帮助！

我有两个矩阵 A 和 B。使用 tf.matmult 执行矩阵乘法运算很简单。但我想做矩阵减法，类似于矩阵乘法的工作原理。例如，如果我有。

A = tf.constant([[1, 1, 1, 2, 3, 1],[1,2,3,4,5,6],[4,3,2,1,6,5]])
B = tf.constant([[1,3,1],[2,1,1]])

#B*A
X = tf.matmult(B,A)
>>>X = [[8,10,12,15,24,24],[7,7,7,9,17,13]]

我想做的是做类似 matmult 的操作，但不是乘法，而是减法和平方。比如……

对于x₁₁，其中下标11是矩阵X的第1行第1列。

= (-b₁₁ + a₁₁)² + (-b₁₂ + a₂₁)² + (-b₁₃ + a₃₁)²

和

x₁₂ = (-b₁₁ + a₁₂)² + (-b₁₂ + a₂₂)² + (-b₁₃ + a₃₂)²

等等类似于矩阵乘法的工作原理。

所以如果我们取上面的矩阵 A 和 B 并执行上面描述的操作（称为 matmultsubtract），我们得到，

tf.matmultsubtract(B,A) 给出：

[[(-1+1)²+(-3+1)²+(-1+4)², (-1+1)²+(-3+2)²+(-1+3)²,...],

[(-2+1)²+(-1+1)²+(-1+4)², ( -2+1)²+(-1+2)²+(-1+3)², ...]]

如果通过手动迭代而不是 np.matmult 使用 numpy 数组（您可以使用两个嵌套的 for 循环），这并不难，但是 tensorflow 的 for 循环有问题，我不知道该怎么做.

感谢您的帮助。

【问题讨论】：

如果你不介意我问，你为什么需要这个？我从来没有见过有人要求这样做...矩阵乘法就是这样，因为这就是我们组合线性运算符的方式，但是为什么您需要类似的结构来进行 [squared] 减法？
我想这与 MSE 有关。考虑到这一点，我想知道您想做什么，因为可能有更好的方法
您可以使用tf.while_loop 做到这一点，只是有点复杂。让我试一试
@Fred 在我的例子中，我想使用两个矩阵（列向量集）作为输入来实现RBF kernel。

标签： python tensorflow matrix matrix-multiplication

【解决方案1】：

尝试一个不能作为矩阵减法的向量化操作。

# shape=(2,3,6)
B_new = tf.tile(tf.expand_dims(B,axis=-1),multiples=[1,1,A.shape[1]])
# shape=(2,3,6)
A_new = tf.tile(tf.expand_dims(A,axis=0),multiples=[B.shape[0],1,1])
# shape=(2,6)
result = tf.reduce_sum(tf.square(A_new - B_new),axis=1)
with tf.Session() as sess:
    print(sess.run(result))

[[13  5  1  2 33 25]
 [10  6  6  9 42 42]]

【讨论】：