TensorFlow中多维矩阵运算

3维和3维做相乘时，保证第一维相同，后两维满足二维矩阵相乘时的行列原则（即对于后两维来说，第一个矩阵的列与第二个矩阵的行相等）

eg：两个三维矩阵，维度为【2,3,4】和【2,4,5】，这里的2是第一个维度，两个2必须相等，第一个矩阵的后两维为3×4，列数为4，第二个矩阵的后两维为4×5，行数为4，第一个的列数必须与第二的行数相等，【2,3,4】×【2,4,5】=【2，3，5】

2维与3维相乘，需满足2维的第二个维度，即列数，要与3维的第二个维度，即后两维的行数相等

eg：【3,4】×【6,4,7】=【6,3,7】

1维（行向量）与2维相加：

则1维向量按照每行去扩展，扩展至与2维相等的列数，然后逐元素相加

2维和3维相加：

则将2维扩展至3维，扩后的第一个维度与3维的第一个维度相等