时间戳

首页 > 解决方案 > 矩阵减法类似于张量流中的矩阵乘法

python - 矩阵减法类似于张量流中的矩阵乘法

问题描述

这是我的第一篇文章，我通常在档案中找到我所有的答案，但是很难解决这个问题，感谢您的帮助！

我有两个矩阵 A 和 B。使用 tf.matmult 执行矩阵乘法运算很简单。但我想做矩阵减法，类似于矩阵乘法的工作原理。例如，如果我有。

A = tf.constant([[1, 1, 1, 2, 3, 1],[1,2,3,4,5,6],[4,3,2,1,6,5]])
B = tf.constant([[1,3,1],[2,1,1]])

#B*A
X = tf.matmult(B,A)
>>>X = [[8,10,12,15,24,24],[7,7,7,9,17,13]]

我想做的是做类似 matmult 的操作，但不是乘法，而是减法和平方。例如...

对于 x 11，其中下标 11 是矩阵 X 的第 1 行第 1 列。

= (-b 11 + a 11 ) 2 + (-b 12 + a 21 ) 2 + (-b 13 + a 31 ) 2

和

x 12 = (-b 11 + a 12 ) 2 + (-b 12 + a 22 ) 2 + (-b 13 + a 32 ) 2

等等类似于矩阵乘法的工作原理。

因此，如果我们采用上面的矩阵 A 和 B 并执行上述操作（称为 matmultsubtract），我们得到，

tf.matmultsubtract(B,A) 给出：

[[(-1+1) 2 +(-3+1) 2 +(-1+4) 2 , (-1+1) 2 +(-3+2) 2 +(-1+3) 2 , ...]，

[(-2+1) 2 +(-1+1) 2 +(-1+4) 2 , (-2+1) 2 +(-1+2) 2 +(-1+3) 2 , . ..]]

如果通过手动迭代而不是 np.matmult 使用 numpy 数组（您可以使用两个嵌套的 for 循环），这并不难，但是 tensorflow 的 for 循环有问题，我不知道该怎么做。

谢谢您的帮助。

标签： pythontensorflowmatrixmatrix-multiplication

解决方案

尝试可能不被视为矩阵减法的矢量化操作。

# shape=(2,3,6)
B_new = tf.tile(tf.expand_dims(B,axis=-1),multiples=[1,1,A.shape[1]])
# shape=(2,3,6)
A_new = tf.tile(tf.expand_dims(A,axis=0),multiples=[B.shape[0],1,1])
# shape=(2,6)
result = tf.reduce_sum(tf.square(A_new - B_new),axis=1)
with tf.Session() as sess:
    print(sess.run(result))

[[13  5  1  2 33 25]
 [10  6  6  9 42 42]]

推荐阅读