我就廢話不多說了，大家還是直接看程式碼吧~

flyfish

# a
# [[1,2,3],# [4,5,6]] a = tf.constant([1,3,4,6],shape=[2,3])

# b1
# [[ 7,8],# [ 9,10],# [11,12]] b1 = tf.constant([7,8,9,10,11,12],shape=[3,2])

#b2
#[[ 7 8 9]
# [10 11 12]] b2 = tf.constant([7,3])

# c矩陣相乘 第一個矩陣的列數（column）等於第二個矩陣的行數（row）
# [[ 58,64],# [139,154]] c = tf.matmul(a,b1)

# d`數元素各自相乘
#[[ 7 16 27]
# [40 55 72]] d = tf.multiply(a,b2) #維度必須相等 with tf.Session():
 print(d.eval())

關於其他計算

b3 = tf.constant([7,],shape=[1,3])
tf.multiply(a,b3)
結果是
[[ 7 16 27]
 [28 40 54]]

b4 = tf.constant([7,1])
tf.multiply(a,b4)
結果是
[[ 7 14 21]
 [32 40 48]]

b5 = tf.constant([7],b5)

結果是

[[ 7 14 21]
 [28 35 42]]

補充知識：tensor matmul的對3維張量的處理

torch.matmul(a,b)處理的一般是a和b的最後兩個維度，假設a的維度為B*F*M,b也為B*F*M,在對a,b做相乘操作的時候，需要完成對B的維度順序的變換，通過permute(0,1)變換為B*M*F。

通過變換後進行torch.matmul(a,b)得到結果為B*F*F，在除了最後兩個維度的的之前維度上都被認為是Batch。

示例1：

>>> import torch
>>> a=torch.rand((1000,10))
>>> b=torch.rand((1000,12))
>>> c=torch.matmul(a,b)
>>> c.shape
torch.Size([1000,12])

在處理不同維度時，會通過廣播來合併除最後兩個維度外的其他維度，如對於A*B*F*M與B*M*F的matmul，結果為A*B*F*F

示例2：

>>> a=torch.rand((50,1000,b)
>>> c.shape
torch.Size([50,12])

以上這篇關於tf.matmul() 和tf.multiply() 的區別說明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。