我有两个张量，a等级4和b等级1.我想生成aprime，等级3，＆＃34;签约＆ ＃34;通过用b的点积替换它的最后一个轴。在numpy中，这就像np.tensordot(a, b, 1)一样简单。但是，我无法在Tensorflow中找到一种方法。
如何将张量的最后一个轴替换为等于该轴的点积与另一个张量（当然，形状相同）的值？
更新：
我在维基百科中看到，这被称为＆＃34; Tensor Inner Product＆＃34; https://en.wikipedia.org/wiki/Dot_product#Tensors又称张量收缩。这似乎是一种常见的操作，我很惊讶在Tensorflow中没有明确支持它。
我相信这可能是tf.einsum;但是，我无法找到适用于任何级别的张量的广义方法（这可能是因为我不理解einsum并且已经减少为试验和错误）
答案 0 :(得分：1)
你是不是只是在多维数组的意义上使用tensor？或者在某些学科中，张量是3d（向量1d，矩阵2d等）。我没有使用过tensorflow，但我认为它与线性代数传感器中的tensors没什么关系。他们谈论数据流图。我不确定这个名字的tensor部分来自哪里。
我假设你在谈论的表达方式如下：
In [293]: A=np.tensordot(np.ones((5,4,3,2)),np.arange(2),1)
产生（5,4,3）形状阵列。 einsum等价物是
In [294]: B=np.einsum('ijkl,l->ijk',np.ones((5,4,3,2)),np.arange(2))
np.einsum实现了Einstine Notation，如下所述：https://en.wikipedia.org/wiki/Einstein_notation。我从https://en.wikipedia.org/wiki/Tensor_contraction
您似乎在谈论直接的numpy操作，而不是tensorflow中的特殊操作。
答案 1 :(得分：0)
我首先将3个尺寸为1的尺寸添加到b，以便它可以沿着a的第4维广播。
b = tf.reshape(b, (1, 1, 1, -1))
然后你可以将b和a相乘，它将沿着所有其他维度广播b。
a_prime = a * b
最后，减少沿第4维的总和去除那个维度并用点积替换它。
a_prime = tf.reduce_sum(a_prime, [3])
答案 2 :(得分：0)
这似乎可行（对于任何等级的第一张量）：
tf.einsum('...i,i->...', x, y)