在十位数中矩阵减法和矩阵乘法类似

Question

这是我的第一篇文章，我通常在档案中找到我所有的答案，但有一个艰难的时间与这一个，谢谢你的帮助！你知道吗

我有两个矩阵A和B。使用马特穆特空军基地. 但是我想做矩阵减法，就像矩阵乘法一样。如果我有。你知道吗

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]]

我想做的是做一个类似matmult的运算，但不是乘法而是减法和平方运算。如。。。你知道吗

对于x₁₁，下标11是矩阵x的第1行第1列

=（-b₁₁+a₁₁）²+（-b₁₂+a₂₁）²+（-b₁₃+a₃₁）²

以及

x₁₂=（-b₁₁+a₁₂）²+（-b₁₂+a₂₂）²+（-b₁₃+a₃₂）²

类似于矩阵乘法的工作原理。你知道吗

如果我们取上面的矩阵A和B，执行上面描述的运算（称为matmultsubtract），我们得到

你知道吗tf.matmultsubtract公司（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，…]]

如果使用numpy数组（可以使用两个嵌套for循环），通过手动迭代而不是手动迭代，这并不是很难np.matmult公司，但是tensorflow有for循环的问题，我不知道怎么做。你知道吗

谢谢你的帮助。你知道吗

Answer 1

尝试不作为矩阵相减的矢量化操作。你知道吗

# 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]]