概述

在使用keras中的keras.backend.batch_dot和tf.matmul實現功能其實是一樣的智慧矩陣乘法，比如A,B,C,D,E,F,G,H，I,J,K,L都是二維矩陣，中間點表示矩陣乘法，AG 表示矩陣A 和G 矩陣乘法（A 的列維度等於G 行維度），WX=Z

import keras.backend as K
import tensorflow as tf
import numpy as np

w = K.variable(np.random.randint(10,size=(10,12,4,5)))
k = K.variable(np.random.randint(10,5,8)))
z = K.batch_dot(w,k)
print(z.shape) #(10,8)

import keras.backend as K
import tensorflow as tf
import numpy as np

w = tf.Variable(np.random.randint(10,5)),dtype=tf.float32)
k = tf.Variable(np.random.randint(10,8)),dtype=tf.float32)
z = tf.matmul(w,8)

示例

from keras import backend as K
a = K.ones((3,2))
b = K.ones((2,3,7))
c = K.dot(a,b)
print(c.shape)

會輸出：

ValueError: Dimensions must be equal,but are 2 and 3 for ‘MatMul' (op: ‘MatMul') with input shapes: [60,2],[3,70].

from keras import backend as K
a = K.ones((3,4))
b = K.ones((4,5))
c = K.dot(a,b)
print(c.shape)#(3,5)

或者

import tensorflow as tf
a = tf.ones((3,4))
b = tf.ones((4,5))
c = tf.matmul(a,5)

如果增加維度：

from keras import backend as K
a = K.ones((2,4))
b = K.ones((7,b)
print(c.shape)#(2,7,5)

這個矩陣乘法會沿著兩個矩陣最後兩個維度進行乘法，不是element-wise矩陣乘法

from keras import backend as K
a = K.ones((1,2,4))
b = K.ones((8,b)
print(c.shape)#(1,8,5)

keras的dot方法是Theano中的複製

from keras import backend as K
a = K.ones((1,b)
print(c.shape)# (1,5).

from keras import backend as K
a = K.ones((9,2))
b = K.ones((9,5))
c = K.batch_dot(a,b)
print(c.shape) #(9,5)

或者

import tensorflow as tf
a = tf.ones((9,2))
b = tf.ones((9,5)

以上這篇淺談keras中的batch_dot,dot方法和TensorFlow的matmul就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支援我們。