脚本之家 服务器常用软件
快捷导航
您的位置：首页 → 脚本专栏 → python → tf.matmul tf.multiply比较

关于tf.matmul() 和tf.multiply() 的区别说明

 更新时间：2020年06月18日 14:18:47   作者：flyfish1986  
这篇文章主要介绍了关于tf.matmul() 和tf.multiply() 的区别说明，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

我就废话不多说了，大家还是直接看代码吧~

flyfish

# a
# [[1, 2, 3],
# [4, 5, 6]] a = tf.constant([1, 2, 3, 4, 5, 6], shape=[2, 3])

# b1
# [[ 7, 8],
# [ 9, 10],
# [11, 12]] b1 = tf.constant([7, 8, 9, 10, 11, 12], shape=[3, 2])

#b2
#[[ 7 8 9]
# [10 11 12]] b2 = tf.constant([7, 8, 9, 10, 11, 12], shape=[2, 3])

# c矩阵相乘 第一个矩阵的列数（column）等于第二个矩阵的行数（row）
# [[ 58, 64],
# [139, 154]] c = tf.matmul(a, b1)

# d`数元素各自相乘
#[[ 7 16 27]
# [40 55 72]] d = tf.multiply(a, b2) #维度必须相等 with tf.Session():
 print(d.eval())

关于其他计算

b3 = tf.constant([7, 8, 9,], shape=[1, 3])
tf.multiply(a, b3)
结果是
[[ 7 16 27]
 [28 40 54]]

b4 = tf.constant([7, 8], shape=[2, 1])
tf.multiply(a, b4)
结果是
[[ 7 14 21]
 [32 40 48]]

b5 = tf.constant([7], shape=[1, 1])
tf.multiply(a, b5)

结果是

[[ 7 14 21]
 [28 35 42]]

补充知识：tensor matmul的对3维张量的处理

torch.matmul(a,b)处理的一般是a和b的最后两个维度，假设a的维度为B*F*M,b也为B*F*M, 在对a,b做相乘操作的时候，需要完成对B的维度顺序的变换，通过permute(0, 2, 1)变换为B*M*F。

通过变换后进行torch.matmul(a,b)得到结果为B*F*F，在除了最后两个维度的的之前维度上都被认为是Batch。

示例1：

>>> import torch
>>> a=torch.rand((1000,5,10))
>>> b=torch.rand((1000,10,12))
>>> c=torch.matmul(a,b)
>>> c.shape
torch.Size([1000, 5, 12])

在处理不同维度时，会通过广播来合并除最后两个维度外的其他维度，如对于A*B*F*M与B*M*F的matmul，结果为A*B*F*F

示例2：

>>> a=torch.rand((50,1000,5,10))
>>> b=torch.rand((1000,10,12))
>>> c=torch.matmul(a,b)
>>> c.shape
torch.Size([50, 1000, 5, 12])

以上这篇关于tf.matmul() 和tf.multiply() 的区别说明就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持脚本之家。

您可能感兴趣的文章:

相关文章

  • Python办公自动化之Excel介绍

    Python办公自动化之Excel介绍

    大家好，本篇文章主要讲的是Python办公自动化之Excel介绍，感兴趣的同学赶快来看一看吧，对你有帮助的话记得收藏一下，方便下次浏览
    2021-12-12
  • 详解Python中time()方法的使用的教程

    详解Python中time()方法的使用的教程

    这篇文章主要介绍了详解Python中time()方法的使用的教程,是Python入门学习中的基础知识,需要的朋友可以参考下
    2015-05-05
  • 在Pycharm中调试Django项目程序的操作方法

    在Pycharm中调试Django项目程序的操作方法

    今天小编就为大家分享一篇在Pycharm中调试Django项目程序的操作方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
    2019-07-07
  • 如何使用Python+ChatGPT批量生成论文

    如何使用Python+ChatGPT批量生成论文

    这篇文章主要介绍了用Python+ChatGPT批量生成论文,我用python+GPT-3 API开发了一个工具，可以直接从arxiv地址生成论文概述，需要的朋友可以参考下
    2023-02-02
  • NetworkX之Prim算法(实例讲解)

    NetworkX之Prim算法(实例讲解)

    下面小编就为大家分享一篇NetworkX之Prim算法实例讲解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
    2017-12-12
  • python中opencv图像叠加、图像融合、按位操作的具体实现

    python中opencv图像叠加、图像融合、按位操作的具体实现

    opencv图像操作可以更好更快的方便我们处理图片，本文主要介绍了图像叠加、图像融合、按位操作，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
    2021-07-07
  • Python实现文本文件拆分写入到多个文本文件的方法

    Python实现文本文件拆分写入到多个文本文件的方法

    这篇文章主要介绍了Python实现文本文件拆分写入到多个文本文件的方法，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
    2021-04-04
  • Pytorch数据拼接与拆分操作实现图解

    Pytorch数据拼接与拆分操作实现图解

    这篇文章主要介绍了Pytorch数据拼接与拆分操作实现图解,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
    2020-04-04
  • Python实现LRU算法

    Python实现LRU算法

    这篇文章主要为大家详细介绍了Python实现LRU缓存置换算法，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
    2022-05-05
  • Pandas条件筛选与组合筛选的使用

    Pandas条件筛选与组合筛选的使用

    本文主要介绍了Pandas条件筛选与组合筛选的使用，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
    2023-01-01

最新评论