Tensorflow具有以下功能:
tf.matmul
将两个向量相乘并产生一个标量。
但是，我需要执行以下操作:
# dense dim: (?,227)
dense_part = tf.nn.relu(some stuff here)
# softmax matrix dim: (?,227,19) or (?,19,227) or (?,227,227), where I
# ....can slice the last dim down to (?,227,19)
softmax_matrix = tf.matmul(dense_part,softmax_weight_variable)
但是，没有什么可以设置softmax_weight_variable来通过矩阵乘法来实现的。我需要使用“张量产品”(也称为“外部产品” ...)，但似乎未实现此功能。
如何在TensorFlow中实现Hadamard(元素方式)乘法和外积？
最佳答案
x和y的元素乘法只是 tf.mul(x, y) 。这也是supports NumPy-style broadcasting，如果需要一个外部产品，您应该可以使用它。
关于python - TensorFlow:Hadamard产品::我怎么得到这个？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/36875498/