tensorflow1.0 学习日志 tf矩阵运算

矩阵相乘

c = tf.matmul(a,b)

shape = [2,3,4] 则张量的阶为3
张量为 [2,3,4] ，则它的shape 为[3], 阶为1
相乘的两个矩阵 阶要相等

g2 = tf.Graph()
with g2.as_default():
    x = tf.constant([8,1,6,5,2,3], shape=[2,3])
    y = tf.constant([8,1,6], shape=[3,1])
    c = tf.matmul(x, y)
with tf.Session(graph=g2) as session:
    print(session.run(c))

x，y 阶相等 且 x，y的最后两维可以理解为 相乘运算维
前面的维度可以理解为 拼接的维度 必须一一对应且相等
即x.shape= […, int1,6]
则 y.shape =[…, 6,int2]
相乘结果 的shape为：
c.shape = […, int1, int2]

矩阵相加

a + b

a，b的张量 矩阵一定要相容
相容即
两张量shape 同维度有1或相等则满足相容
维度不等 相加时，高维度shape保持
低维度在相容的情况下，广播运算