TensorFlow 中矩阵和向量的高效逐元素乘法

Question

乘以（按元素）二维张量（矩阵）的最有效方法是什么：

x11 x12 .. x1N
...
xM1 xM2 .. xMN

通过垂直矢量：

w1
...
wN

获取新矩阵：

x11*w1 x12*w2 ... x1N*wN
...
xM1*w1 xM2*w2 ... xMN*wN

为了提供一些背景信息，我们在一个批次中有 M 个可以并行处理的数据样本，每个 N 元素样本必须乘以存储的权重 w在变量中最终为每一行选择最大的 Xij*wj i.

Answer 1

执行此操作的最简单代码依赖于 tf.multiply()^*, which is based on numpy's broadcasting behavior 的广播行为：

x = tf.constant(5.0, shape=[5, 6])
w = tf.constant([0.0, 1.0, 2.0, 3.0, 4.0, 5.0])
xw = tf.multiply(x, w)
max_in_rows = tf.reduce_max(xw, 1)

sess = tf.Session()
print sess.run(xw)
# ==> [[0.0, 5.0, 10.0, 15.0, 20.0, 25.0],
#      [0.0, 5.0, 10.0, 15.0, 20.0, 25.0],
#      [0.0, 5.0, 10.0, 15.0, 20.0, 25.0],
#      [0.0, 5.0, 10.0, 15.0, 20.0, 25.0],
#      [0.0, 5.0, 10.0, 15.0, 20.0, 25.0]]

print sess.run(max_in_rows)
# ==> [25.0, 25.0, 25.0, 25.0, 25.0]

^* 在旧版本的 TensorFlow 中，tf.multiply() 被称为 tf.mul()。您还可以使用 * 运算符（即 xw = x * w）执行相同的操作。