Keras中K.batch_dot()解释

博主在学习Keras入门教程时，发现batch_dot()这个函数不好理解，在结合官方文档和其他博客以及博主自己的理解，整理如下：（注意：分了三个Case例子进行讲解，且理解从浅到深层依次递进。）
————————————————————————————————————————
Case1：x的shape为（128,1,2）, y的shape为（128,2,768）.则K.batch_dot(x, y)的结果shape为（128,1,768）

浅层理解：把batch即上式的128忽略掉，剩余的维度即（1,2）与（2,768）作矩阵相乘后补充上batch，结果为（128,1,768）
————————————————————————————————————————
Case2：x的shape为（32,20,1）, y的shape为（32,30,20）.则K.batch_dot(x, y , axes=(1, 2))的结果shape为（32,1,30）

中层理解：把batch即上式的32忽略掉，剩余的维度即（20,1）与（30,20）作矩阵相乘。首先我认为，该函数进行还是普通的矩阵乘法，但是两个输入矩阵的格式明显不符合，所以进行了类似reshape的操作，具体就是将x的矩阵的目标位移动到末尾，将y的矩阵的目标位移动到首位。（目标位可以查看参数axes=（1,2），该含义为x移动shape[1]的值，y移动shape[2]的值，前提是要确保shape[1]等于shape[2]的值）。如上例，去掉batch_size，原规格为(20,1)和(30,20)，因为axes=(1,2)，故变为(1,20)和(20,30)的矩阵乘法，结果为(1,30)，加上batch_size即为(32,1,30)。
————————————————————————————————————————
Case3：x的shape为（2,2）, y的shape为（2,2）.则K.batch_dot(x, y , axes=1)的结果shape为（2,1）

深层理解：把batch即上式的2忽略掉，剩余的维度即（2）与（2）作矩阵相乘。将x的矩阵的目标位移动到末尾，变为(1,2)；将y的矩阵的目标位移动到首位，变为(2,1)（其中的1由自己添加），矩阵相乘后得到(1,1)的结果，故output.shape为(2,1)。注意output的第一行的数为x的第一行与y的第一行对应元素相乘后相加的结果，假设 x = [[1, 2], [3, 4]] 和 y = [[5, 6], [7, 8]]， batch_dot(x, y, axes=1) = [[17], [53]] （即x.dot(y.T) 的主对角线）。
————————————————————————————————————————