在TensorFlow中计算两个向量的点积

Question

我想知道在tensorflow中是否有一种简单的方法来计算两个向量(即1-d张量)的点积并返回一个标量值。

假设有两个向量X=(x1,...,xn)和Y=(y1,...,yn)，它们的点积是 dot(X,Y) = x1 * y1 + ... + xn * yn

我知道可以通过将向量X和Y广播到一个2-d张量，然后使用tf.matmul来实现这一点。但是，结果是一个矩阵，而我需要的是一个标量。

是否有类似于tf.matmul的特定于向量的运算符？

- user6952886

Answer 1

计算两个张量的点积（向量是1D张量）最简单的方法之一是使用tf.tensordot函数。

a = tf.placeholder(tf.float32, shape=(5))
b = tf.placeholder(tf.float32, shape=(5))

dot_a_b = tf.tensordot(a, b, 1)

with tf.Session() as sess:
    print(dot_a_b.eval(feed_dict={a: [1, 2, 3, 4, 5], b: [6, 7, 8, 9, 10]}))
# results: 130.0

- Ishant Mrinal

Answer 2

除了tf.reduce_sum(tf.multiply(x, y))，你还可以使用tf.matmul(x, tf.reshape(y, [-1, 1]))。

- yuefengz

---

请注意，如果您有一个维度为(1234,)的向量，则以下是唯一正确的答案。 - ihadanny

Answer 3

您可以使用tf.matmul和tf.transpose。

tf.matmul(x,tf.transpose(y))

或者

tf.matmul(tf.transpose(x),y)

根据x和y的尺寸而定

- aarbelle

---

matmul 可以帮你进行转置：例如，tf.matmul(a, b, transpose_a=True, transpose_b=False)，当然你也可以转置 b。 - Charlie Parker

Answer 4

import tensorflow as tf

x = tf.Variable([1, -2, 3], tf.float32, name='x')
y = tf.Variable([-1, 2, -3], tf.float32, name='y')

dot_product = tf.reduce_sum(tf.multiply(x, y))

sess = tf.InteractiveSession()
init_op = tf.global_variables_initializer()
sess.run(init_op)

dot_product.eval()

Out[46]: -14

在这里，x和y都是向量。我们可以进行逐元素乘积，然后使用tf.reduce_sum对结果向量的元素求和。这个解决方案易于阅读，不需要重塑。

有趣的是，在docs中似乎没有内置的点积运算符。

请注意，您可以轻松检查中间步骤：

In [48]: tf.multiply(x, y).eval()
Out[48]: array([-1, -4, -9], dtype=int32)

- normanyu

Answer 5

在更新版本中（我认为是从0.12版本开始），您应该能够执行以下操作：

tf.einsum('i,i->', x, y)

在此之前，将减少到标量似乎是不允许/不可能的。（参见此处）

- phipsgabler

---

显然，einsum很慢。 - joel

这取决于具体的操作以及减少优化的程度。请参见opt-einsum。 - phipsgabler

Answer 6

您可以使用tf.mul(x,y)，然后使用tf.reduce_sum()。

- David Wong

---

（当然应该是tf.multiply(x，y)） - Mathy

Answer 7

只需使用 * 和 reduce_sum

ab = tf.reduce_sum(a*b)

以一个简单的例子来说明：

import tensorflow as tf
a = tf.constant([1,2,3])
b = tf.constant([2,3,4])

print(a.get_shape())
print(b.get_shape())

c = a*b
ab = tf.reduce_sum(c)

with tf.Session() as sess:
    print(c.eval())
    print(ab.eval())

# output
# (3,)
# (3,)
# [2 6 12]
# 20

- 罗福莉

---

关于使用'*'的问题：https://dev59.com/nlsW5IYBdhLWcg3wVWDj#35095052 - jensph

Answer 8

假设您有两个列向量。

u = tf.constant([[2.], [3.]])
v = tf.constant([[5.], [7.]])

如果您想要一个1x1的矩阵，可以使用：

tf.einsum('ij,ik->jk',x,y)

如果您对标量感兴趣，可以使用以下代码：

tf.einsum('ij,ik->',x,y)

- FRS

Answer 9

也许使用新文档，您可以将转置选项设置为点积的第一个参数或第二个参数的 true 值：

tf.matmul(a, b, transpose_a=False, transpose_b=False, adjoint_a=False, adjoint_b=False, a_is_sparse=False, b_is_sparse=False, name=None)

领先：

tf.matmul(a, b, transpose_a=True, transpose_b=False)
tf.matmul(a, b, transpose_a=False, transpose_b=True)

- Charlie Parker

Answer 10

如果您想要两个向量的点积，请使用tf.reduce_sum(tf.multiply(x,y))。

需要明确的是，即使您在之后将矩阵的所有元素相加，使用tf.matmul(x,tf.transpose(y))也无法获得点积。

我之所以提到这一点，是因为在上面的答案中经常出现这种情况，而它与所提问的问题无关。我只是想发表评论，但没有足够的声望来这样做。

- jake.csc