在Tensorflow中将3D张量与矩阵相乘的有效方法？答案

【问题标题】：Efficient way of multiply 3D-tensor with matrix in Tensorflow?在Tensorflow中将3D张量与矩阵相乘的有效方法？
【发布时间】：2018-02-22 11:46:20
【问题描述】：

我有 2 个 3D 张量 A 的形状（batch_size，dim1，dim2）和 B 的大小（batch_size，dim2，dim3）。我想执行以下计算：

C = np.zeros((batch_size, dim1, dim3))
for i in range(batch_size):
    c[i] = A[i].dot(B[i])

我尝试了C = tf.matmul(A,B)，但得到了错误：

tensorflow.python.framework.errors_impl.InvalidArgumentError：形状必须是 2 级，但对于带有输入的“MatMul”（操作：“MatMul”）是 3 级形状：[10,100,100]、[10,100]

在 TensorFlow 中是否有任何有效的方法来实现这一点？谢谢！

【问题讨论】：

你试过C=tf.matmul(A,B)吗？
@mikkola 是的，我得到了更新描述中的错误
@Roger your 表示 A 和 B 的排名为 2 和 3。尝试排名为 3 的两者

标签： tensorflow matrix-multiplication tensor

【解决方案1】：

让我们先用numpy：

import numpy as np
batch_size = 5
dim1 = 7
dim2 = 2
dim3 = 3

A = np.random.rand(batch_size, dim1, dim2)
B = np.random.rand(batch_size, dim2, dim3)  
C = np.zeros((batch_size, dim1, dim3)) 

for i in range(batch_size):                         
    c[i] = A[i].dot(B[i])
print(np.einsum('ikl,ilm->ikm',A,B)) - C # prints a zero array

现在让我们使用tensorflow：

import tensorflow as tf
a = tf.constant(A) # reusing numpy arrays
b = tf.constant(B)
op = tf.einsum('ikl,ilm->ikm',a,b)
with tf.Session() as sess:       
    print(sess.run(op) - C) # prints a zero array

现在根据这个answer，看起来性能应该与幼稚的实现相当相似。

【讨论】：