TensorFlow张量上张量点运算的数学定义

Question

我正在尝试对 tf.tensordot 轴参数的行为进行逆向工程，但遇到了困难。

给定以下代码：

a = tf.constant([[1., 2.], [3., 4.], [4., 5.]])
b = tf.constant([1., 2.])
c = tf.constant([[1., 2.], [2., 3.], [3., 4.]])

print(f'Shape of c: {c.shape}')

ct = tf.transpose(c)

print(f'Shape of ct: {ct.shape}')

print('.................')

d = tf.tensordot(a, ct, axes=1)
print(f'Shape of d: {d.shape}')
print(d)

print('.................')


e = tf.tensordot(a, ct, axes=0)
print(f'Shape of e: {e.shape}')
print(e)


print('.................')


f = tf.tensordot(a, ct, axes=2)
print(f'Shape of f: {f.shape}')
print(e)

我了解“d”是如何产生的，但我不明白“e”和“f”是如何产生的。 TensorFlow Documentation 不足以让我理解。

Answer 1

我发布了axes 可以采用的参数子集的中间答案（当axes 是整数时）：

轴 = 0： 没有加法，只有乘法。例如在：

c = tf.tensordot(a, b, axes=0)

这意味着如果 a 的形状为 m,n，b 的形状为 o,p，则 c 的形状为 m,n,o,p，因为元素相乘，但没有相加

轴 = 1：

c = tf.tensordot(a, b, axes=1)

如果 a 的形状为 m,n，b 的形状为 n,o，那么 c 的形状为 m,o，因为元素相乘，但也相加

一旦我了解了有关该主题的更多信息，将更新此帖子