文章/答案/技术大牛

发布

社区首页 >问答首页 >与tensorflow张拉点混淆的结果

问与tensorflow张拉点混淆的结果
EN

Stack Overflow用户

提问于 2017-10-02 09:11:16

回答 1查看 218关注 0票数 2

在使用tensorflow的tf.tensordot时，我遇到了一些奇怪的结果。运行以下代码块

import tensorflow as tf
import numpy as np
a = np.arange(6, dtype=np.int32).reshape(3,2)
b = np.arange(1,7, dtype=np.int32).reshape(2,3)
sess = tf.Session()
print(sess.run(tf.tensordot(a, b, [[0,1],[0,1]])))
print(sess.run(tf.tensordot(a, b, [[0,1],[1,0]])))
print(sess.run(tf.tensordot(a, b, [[1,0],[0,1]])))
print(sess.run(tf.tensordot(a, b, [[1,0],[1,0]])))

产生

我不知道这里发生了什么收缩。另一件有趣的事情是，尝试用numpy的tensordot来做这件事将返回几个尝试轴的错误。

python

tensorflow

回答 1

Stack Overflow用户

回答已采纳

发布于 2018-07-20 15:25:37

你在tensorflow发现了一个窃听器。

根据tf.tensordot的文档，

a_axes[i] of a必须具有与b轴b_axes[i]相同的维度，用于range(0, len(a_axes))中的所有i。

例如，tf.tensordot(a, b, [[0,1],[0,1]]))应该返回一个错误，因为a是3x2，b是2x3。但这不是.那是虫子。

相反，它继续进行，好像张量是相容的。如果a和b兼容，那么tf.tensordot(a, b, [[0,1],[0,1]]))将是一个简单的点产品。tf.tensordot内部所做的是，它基本上将a和b压平，并计算点积。

在您的例子中，a和b有相同数量的元素，因此，尽管它们的形状不兼容，但点积的计算仍然成功。

您可以向TF团队这里提交一个bug。

票数 1

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/46522622

复制

相似问题

问与tensorflow张拉点混淆的结果
EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问与tensorflow张拉点混淆的结果EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问与tensorflow张拉点混淆的结果
EN