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, 2, 3, 4, 5, 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, 8, 9, 10, 11, 12], shape=[2, 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, 8, 9,], shape=[1, 3]) tf.multiply(a, b3) 結果是 [[ 7 16 27] [28 40 54]] b4 = tf.constant([7, 8], shape=[2, 1]) tf.multiply(a, b4) 結果是 [[ 7 14 21] [32 40 48]] b5 = tf.constant([7], shape=[1, 1]) tf.multiply(a, 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，透過permute(0, 2, 1)變換為B*M*F。
透過變換後進行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((1000,5,10)) >>> b=torch.rand((1000,10,12)) >>> c=torch.matmul(a,b) >>> c.shape torch.Size([1000, 5, 12])
在處理不同維度時，會透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((50,1000,5,10)) >>> b=torch.rand((1000,10,12)) >>> c=torch.matmul(a,b) >>> c.shape torch.Size([50, 1000, 5, 12])
[bom485332 ] 關於tf.matmul() 和tf.multiply() 的區別說明已經有240次圍觀
