python - tensorflow 中的矩阵减法类似于矩阵乘法

Question

这是我的第一篇文章，我通常在文件中找到所有答案，但在这个问题上遇到了困难，感谢您的帮助!

我有两个矩阵 A 和 B。使用 tf.matmult 执行矩阵乘法运算很简单。但我想做矩阵减法，类似于矩阵乘法的工作原理。例如，如果我有的话。

A = tf.constant([[1, 1, 1, 2, 3, 1],[1,2,3,4,5,6],[4,3,2,1,6,5]])
B = tf.constant([[1,3,1],[2,1,1]])

#B*A
X = tf.matmult(B,A)
>>>X = [[8,10,12,15,24,24],[7,7,7,9,17,13]]

我想做的是做类似 matmult 的操作，但我想要减法和平方而不是乘法。例如...

对于 x₁₁，其中下标 11 是矩阵 X 的第 1 行、第 1 列。

= (-b₁₁ + a₁₁)² + (-b₁₂ + a₂₁)² + (-b₁₃ + a₃₁)²

和

x₁₂ = (-b₁₁ + a₁₂)² + (-b ₁₂ + a₂₂)² + (-b₁₃ + a₃₂) ²

等等类似于矩阵乘法的工作原理。

因此，如果我们采用上面的矩阵 A 和 B 并执行上述运算(称为 matmultsubtract)，我们会得到，

tf.matmultsubtract(B,A) 给出:

[[(-1+1)²+(-3+1)²+(-1+4)², (-1+1)²+(-3+2)²+(-1+3)²,...],

[(-2+1)²+(-1+1)²+(-1+4)², ( -2+1)²+(-1+2)²+(-1+3)², ...]]

如果通过手动迭代而不是 np.matmult 来使用 numpy 数组(您可以使用两个嵌套的 for 循环)，这并不难，但是 tensorflow 的 for 循环有问题，我不知道该怎么做.

感谢您的帮助。

Answer 1

尝试可能不被视为矩阵减法的矢量化运算。

# shape=(2,3,6)
B_new = tf.tile(tf.expand_dims(B,axis=-1),multiples=[1,1,A.shape[1]])
# shape=(2,3,6)
A_new = tf.tile(tf.expand_dims(A,axis=0),multiples=[B.shape[0],1,1])
# shape=(2,6)
result = tf.reduce_sum(tf.square(A_new - B_new),axis=1)
with tf.Session() as sess:
    print(sess.run(result))

[[13  5  1  2 33 25]
 [10  6  6  9 42 42]]