Tensorflow二維、三維、四維矩陣運(yùn)算（矩陣相乘，點(diǎn)乘，行/列累加）

成都創(chuàng)新互聯(lián)公司專注于企業(yè)成都營銷網(wǎng)站建設(shè)、網(wǎng)站重做改版、遂平網(wǎng)站定制設(shè)計、自適應(yīng)品牌網(wǎng)站建設(shè)、HTML5、商城網(wǎng)站建設(shè)、集團(tuán)公司官網(wǎng)建設(shè)、外貿(mào)營銷網(wǎng)站建設(shè)、高端網(wǎng)站制作、響應(yīng)式網(wǎng)頁設(shè)計等建站業(yè)務(wù)，價格優(yōu)惠性價比高，為遂平等各大城市提供網(wǎng)站開發(fā)制作服務(wù)。

1. 矩陣相乘

根據(jù)矩陣相乘的匹配原則，左乘矩陣的列數(shù)要等于右乘矩陣的行數(shù)。

在多維（三維、四維）矩陣的相乘中，需要最后兩維滿足匹配原則。

可以將多維矩陣?yán)斫獬桑海ň仃嚺帕?，矩陣），即后兩維為矩陣，前面的維度為矩陣的排列。

比如對于（2，2，4）來說，視為2個（2，4）矩陣。

對于（2，2，2，4）來說，視為2*2個（2，4）矩陣。

import tensorflow as tf
 
a_2d = tf.constant([1]*6, shape=[2, 3])
b_2d = tf.constant([2]*12, shape=[3, 4])
c_2d = tf.matmul(a_2d, b_2d)
a_3d = tf.constant([1]*12, shape=[2, 2, 3])
b_3d = tf.constant([2]*24, shape=[2, 3, 4])
c_3d = tf.matmul(a_3d, b_3d)
a_4d = tf.constant([1]*24, shape=[2, 2, 2, 3])
b_4d = tf.constant([2]*48, shape=[2, 2, 3, 4])
c_4d = tf.matmul(a_4d, b_4d)
 
with tf.Session() as sess:
 tf.global_variables_initializer().run()
 print("# {}*{}={} \n{}".
  format(a_2d.eval().shape, b_2d.eval().shape, c_2d.eval().shape, c_2d.eval()))
 print("# {}*{}={} \n{}".
  format(a_3d.eval().shape, b_3d.eval().shape, c_3d.eval().shape, c_3d.eval()))
 print("# {}*{}={} \n{}".
  format(a_4d.eval().shape, b_4d.eval().shape, c_4d.eval().shape, c_4d.eval()))

當(dāng)前名稱：Tensorflow矩陣運(yùn)算實(shí)例(矩陣相乘,點(diǎn)乘,行/列累加)-創(chuàng)新互聯(lián)
文章出自：http://weahome.cn/article/cccsse.html