所以我的数组A的形状为[32,60,60]，数组B的形状为[32,60]。第一个维度是批量大小，因此第一个维度是独立的。我想要做的是通过向量乘法的简单矩阵。因此，对于A中的每个样本，我想将形状矩阵[60,60]与形状[60]的向量相乘。在批处理A * B中进行乘法，应该为我提供一个形状[32,60]的数组。
这应该很简单，但我做错了：
>>> v = np.matmul(A,B)
ValueError: shapes (32,60,60) and (32,60) not aligned: 60 (dim 2) != 32 (dim 0)
这是针对张量流的，但如果我可以转换符号，那么一个笨拙的答案就足够了。
答案 0 :(得分：2)
您似乎正在尝试sum-reduce来自两个输入数组的最后一个轴matrix-multiplication。因此，使用np.einsum，它将是 -
np.einsum('ijk,ik->ij',A,B)
对于tensorflow，我们可以使用tf.einsum。
使用np.matmul，我们需要通过在最后一个轴上引入新轴将B扩展到3D。因此，使用np.matmul将获得B's扩展版本sum-reduced的第二轴与A的第三个轴。结果将是3D。因此，使用切片或np.squeeze将最后一个单例轴挤出。因此，实施将是 -
np.matmul(A,B[...,None])[...,0]
我们已经有了tf.matmul函数。