Tensorflow架构中的matmul矩阵乘法和mul点乘法

一般来说会遇到这两种乘法，这两种乘法是我们经常会遇到的，不过在计算中，矩阵乘法会更常用一点

例如，我设置两个常量，分别是v1和v2，现在需要将两者相乘

v1 = tf.constant([[1.0,2.0],[3.0,4.0]])
v2 = tf.constant([[5.0,6.0],[7.0,8.0]])

点乘和矩阵乘法两者计算区别如下：

1.采用点乘，也就是点对点乘法，得到的结果是

[[ 5. 12.]
 [21. 32.]]

 

2.采用矩阵乘法

[[19. 22.]
 [43. 50.]]

 

算法上来说是这样的

 

生成的两个结果都是float32的类型

 

点乘和矩阵乘法一样，如果两个矩阵不满足(A1,B1) （B1,C1）条件的话，就会计算出错

 

完整程序：

#演示矩阵乘法
import tensorflow as tf
batch_size = 8

v1 = tf.constant([[1.0,2.0],[3.0,4.0]])
v2 = tf.constant([[5.0,6.0],[7.0,8.0]])

a = tf.matmul(v1,v2)
b = v1 * v2

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

print(sess.run(a))
print(sess.run(b))