np和tf在矩阵相乘和点乘上的区别

刚接触tensorflow，还不算太会，今天刚敲了一个矩阵相乘的问题，发现tf的使用和np的使用有点区别，在不规则写法（不规则写法是一维向量的一种写法，按行向量处理）中矩阵相乘问题，np可以执行，但是tf不行。

1、多行多列矩阵相乘和点乘问题

①tf和np的用法完全一致。

②相乘，必须是行列对应，第一个矩阵的列和第二个矩阵的行必须相等

③点乘，两个矩阵必须完全一致

#coding:utf-8
import numpy as np
import tensorflow as tf
A=np.array([[1,2,3],[4,5,6]])
B=np.array([[1,2],[3,4],[5,6]])
print(np.dot(A,B))        #相乘
A=np.array([[1,2,3],[4,5,6]])
B=np.array([[1,2,3],[4,5,6]])
print(np.multiply(A,B))   #点乘
#################################################
A=tf.constant([[1,2,3],[4,5,6]])
B=tf.constant([[1,2],[3,4],[5,6]])
C=tf.matmul(A,B)
sess=tf.Session()
print(sess.run(C))        #相乘
AA=tf.constant([[1,2,3],[4,5,6]])
BB=tf.constant([[1,2,3],[4,5,6]])
CC=tf.multiply(AA,BB)
print(sess.run(CC))      #点乘
sess.close()

2、规则写法下矩阵相乘和点乘问题

①一个是一维，一个是多维

②两个都是一维

③相乘必须行列对应，点乘可以扩展至相同行列，只有一维向量可以扩展，若扩展不到相同行列不能点乘

④np和tf用法一致

import numpy as np
import tensorflow as tf
#1*3  3*2   只能相乘，但是不能点乘，一维向量不能扩展至和多维向量一致，多维向量不能扩展
a=np.array([[1,2,3]])
b=np.array([[1,2],[2,3],[3,4]])
print(np.dot(a,b))
#1*2  3*2  只能点乘，不能相乘
a=np.array([[1,2]])
b=np.array([[1,2],[2,3],[3,4]])
print(np.multiply(a,b))
#都是一维  相乘只要满足行列对应相等即可，点乘，两个都是一维向量，都能扩展
a=np.array([[1,2,3]])
b=np.array([[1],[2],[3]])
print(np.dot(a,b))
print(np.multiply(a,b))
#######################################################################
a=tf.constant([[1,2,3]])
b=tf.constant([[1,2],[2,3],[3,4]])
c=tf.matmul(a,b)
sess=tf.Session()
print(sess.run(c))
a=tf.constant([[1,2]])
b=tf.constant([[1,2],[2,3],[3,4]])
c=tf.multiply(a,b)
print(sess.run(c))
a=tf.constant([[1,2,3]])
b=tf.constant([[1],[2],[3]])
c=tf.matmul(a,b)
cc=tf.multiply(a,b)
sess=tf.Session()
print(sess.run(c))
print(sess.run(cc))
sess.close()

3、不规则写法下的矩阵相乘和点乘问题

①np的使用同上，不规则写法按行向量处理

②tf的点乘使用同上，不规则写法按行向量处理

③tf的相乘不能使用（tf的相乘只适用规则写法）

import numpy as np
import tensorflow as tf
a=np.array([1,2])         #不规则写法
b=np.array([[1],[2],[3]])
print(np.multiply(a,b))   #可以点乘
a=np.array([1,2,3])
b=np.array([[1,2],[2,2],[3,2]])
print(np.dot(a,b))        #可以相乘
########################################################
a=tf.constant([1,2])
b=tf.constant([[1],[2],[3]])
c=tf.multiply(a,b)        #只能点乘
sess=tf.Session()
print(sess.run(c))
#a=tf.constant([1,2,3])   #tf在不规则情况下不能使用相乘
a=tf.constant([[1,2,3]]) 
b=tf.constant([[1],[2],[3]])
c=tf.matmul(a,b)
print(sess.run(c))
sess.close()

总结：

①规则写法下，np和tf用法一致，相乘不用说，满足行列对应相等即可相乘，点乘中一维向量可以扩展，若能扩展至行列相等，则能点乘，否则不能点乘。

②不规则写法下，np和tf的点乘用法一致，tf不能相乘，np可以。

③综述：np和tf在点乘上用法一致，在不规则情况下tf不能使用，np适用任何情况