没有转置的指定维度的张量积

Question

假设我有一个大小为 (a, b, c) 的张量 t1 和另一个大小为 (c, d) 的张量 t2。有没有办法在不使用 tf.transpose 操作的情况下将它们相乘并获得大小为 (a, d, b)（不是 (a, b, d)）的张量 t3？

工作示例：

import tensorflow as tf  # version 2.1.0
t1 = tf.constant(tf.reshape(range(24), (2, 3, 4)))
t2 = tf.constant(tf.reshape(range(20), (4, 5)))
t3 = tf.transpose(tf.tensordot(t1, t2, axes=[[2], [0]]), [0, 2, 1])  # shape = (2, 5, 3)

我想要的是从 t1 和 t2 得到 t3 而不是使用 tf.transpose，这据说很昂贵 (link 1, )。

我在 Python 3.7.

中使用 Tensorflow 2.1.0

Answer 1

import tensorflow as tf

t1 = tf.constant(tf.reshape(range(24), (2, 3, 4)))
t2 = tf.constant(tf.reshape(range(20), (4, 5)))

t3 = tf.linalg.matmul(t2, t1, transpose_a=True, transpose_b=True)

这是一种无需实际计算和存储转置即可执行矩阵乘法的有效方法。