与向量十相乘的结果

Question

我试着用相应的矩阵乘以一组向量，最后求出向量的总和。作为一个numpy示例，假设我们有20个向量和矩阵，大小分别为10x1和150x1：

import numpy as np
np_b=[ np.random.rand(10) for i in range(20)]
np_A=[ np.random.rand(150,10) for i in range(20)]
#first we multiply each vector with it's corresponding matrix
np_allMuls=np.array([np.dot(np_A[i],np_b[i]) for i in range(20)] ) 
#then we sum all of the vectors to get the 150 dimensional sum vector
np_allSum=np.sum( np_allMuls,axis=0 )

到目前为止，对于tensorflow 0.10，我得到：

^{pr2}$

但是这个符号乘法给了我一个错误“ValueError:Shape（？）？，150，10）必须具有等级2“。在

有人知道我为什么收到这样的错误信息吗？我怎样才能正确地得到tf\u allMuls？在

Answer 1

来自tf.matmul的文档：

The inputs must be matrices (or tensors of rank > 2, representing batches of matrices), with matching inner dimensions, possibly after transposition.

考虑到您使用None作为占位符的第一个参数，第二个选项与您相关，即“矩阵的批处理”。但是你的tf_b是一批向量，而不是矩阵，所以这两个矩阵的秩是不一样的，这就是为什么会出现错误。您应该改用：

tf_b = tf.placeholder("float", [None, 10, 1])
tf_A = tf.placeholder("float", [None, 150, 10])
tf_allMuls = tf.matmul(tf_A, tf_b)

因此，matmul似乎无法广播（可能要检查这个post），我同意您得到的错误消息有点误导。在

下面是一个简单的例子：

^{pr2}$

哪个指纹

[[[ 14.]
  [ 32.]
  [ 50.]]]

还要注意tf.matmul参数的顺序很重要，就像你习惯于从实际的矩阵乘法。所以在这个时候

tf_b = tf.placeholder("float", [None, 1, 3])
tf_A = tf.placeholder("float", [None, 3, 3])
tf_allMuls = tf.matmul(tf_A, tf_b)

不起作用，以下将（当然，它不是在计算相同的东西，但它不会引发错误）：

tf_b = tf.placeholder("float", [None, 1, 3])
tf_A = tf.placeholder("float", [None, 3, 3])
tf_allMuls = tf.matmul(tf_b, tf_A)