Tensorflow，如何将二维张量（矩阵）乘以一维向量中的相应元素

Question

我有一个形状为 [batch x dim] 的二维矩阵 M，我有一个形状为 [batch] 的向量 V。如何将矩阵中的每一列乘以 V 中的相应元素？即：

我知道一个低效的 numpy 实现看起来像这样：

import numpy as np
M = np.random.uniform(size=(4, 10))
V = np.random.randint(4)
def tst(M, V):
  rows = []
  for i in range(len(M)):
    col = []
    for j in range(len(M[i])):
      col.append(M[i][j] * V[i])
    rows.append(col)
  return np.array(rows)

在tensorflow中，给定两个张量，最有效的方法是什么？

import tensorflow as tf
sess = tf.InteractiveSession()
M = tf.constant(np.random.normal(size=(4,10)), dtype=tf.float32)
V = tf.constant([1,2,3,4], dtype=tf.float32)

Answer 1

在 NumPy 中，我们需要制作 V 2D 然后让广播进行元素乘法（即 Hadamard 乘积）。我猜，在 tensorflow 上应该是一样的。因此，为了在 tensorflow 上扩展 dims，我们可以使用 tf.newaxis（在较新的版本上）或 tf.expand_dims 或使用 tf.reshape -

进行重塑

tf.multiply(M, V[:,tf.newaxis])
tf.multiply(M, tf.expand_dims(V,1))
tf.multiply(M, tf.reshape(V, (-1, 1)))

Answer 2

除了@Divakar 的回答之外，我想说明 M 和 V 的顺序无关紧要。 tf.multiply 似乎也 .

示例：

In [55]: M.eval()
Out[55]: 
array([[1, 2, 3, 4],
       [2, 3, 4, 5],
       [3, 4, 5, 6]], dtype=int32)

In [56]: V.eval()
Out[56]: array([10, 20, 30], dtype=int32)

In [57]: tf.multiply(M, V[:,tf.newaxis]).eval()
Out[57]: 
array([[ 10,  20,  30,  40],
       [ 40,  60,  80, 100],
       [ 90, 120, 150, 180]], dtype=int32)

In [58]: tf.multiply(V[:, tf.newaxis], M).eval()
Out[58]: 
array([[ 10,  20,  30,  40],
       [ 40,  60,  80, 100],
       [ 90, 120, 150, 180]], dtype=int32)

Tensorflow，如何将二维张量（矩阵）乘以一维向量中的相应元素

Tensorflow, how to multiply a 2D tensor (matrix) by corresponding elements in a 1D vector

python

numpy

matrix-multiplication

tensorflow

tensor