K.dot和K.batch_dot

K.dot(A,B)
A.shape(-1)和B.shape(-2)必须一样,其余没有限制
K.batch_dot(A,B)
A.shape(-1)和B.shape(-2)必须一样,A.shape(-2)和B.shape(-1)可以不一样，shape(-2)以前的必须完全一样
具体这两个怎么计算呢
假设：
a.shape:(1, 2, 4) b.shape:(8, 7, 4, 5)
c=K.dot(a,b) c.shape:(1,2,8,7,5)
如果要计算$C_{i,j,k,m,n}$则先取出A[i]这个矩阵，再取出B[k][m]这个矩阵，两个相乘，得到一个矩阵D（矩阵的维度是 2×5，为什么是2×5矩阵，因为一个2×4的矩阵和一个4×5的矩阵相乘） 则 $C_{i,j,k,m,n}$=$D_{j,n}$
另一例:
a = K.ones((9, 8, 7, 4, 2))
b = K.ones((9, 8, 7, 2, 5))
c = K.batch_dot(a, b)
c.shape (9, 8, 7, 4, 5)
如果要计算$C_{i,j,k,m,n}$则先取出A[i][j][k]这个矩阵，再取出B[i][j][k]这个矩阵，两个相乘，得到一个矩阵D（矩阵的维度是 4×5） 则 $C_{i,j,k,m,n}$=$D_{m,n}$
总结要点：
取出两个矩阵（矩阵显然是二维的），相乘，然后将这个矩阵对应的放到该放的位置上
具体参考：https://christopher5106.github.io/deep/learning/2018/10/28/understand-batch-matrix-multiplication.html
(这篇讲的很好)
python中np.multiply（）、np.dot（）和星号（）三种乘法运算的区别：
https://www.cnblogs.com/hezhiyao/p/8649231.html
(numpy矩阵用*就默认是矩阵相乘，但是array相乘不能这么用，得用方法.dot())
TensorFlow - tf.multiply和tf.matmul 区别：
https://blog.csdn.net/flyfish1986/article/details/79141763/
注意tf.multiply(a,b)应该是只允许a、b最后一维可以不同，但是此时必须有一个维度是1，ab就相当于tf.multiply(a,b)
tf.matmul只可以a的倒数第一维和b的倒数第二维不一样，别的都必须一样(当len(shape(a或b))>２，表示成批的矩阵)