使用 theano 的矩阵三重积
Matrix triple product with theano
这与这里的问题几乎相同 ,但对于 theano。
所以我有三个矩阵 A
、B
、C
,大小为 n*r
、m*r
、l*r
,我想要计算由三重(三线性)积产生的形状 (n,m,l)
的 3D 张量:
X[i,j,k] = \sum_a A[i,a] B[j,a] C[k,a]
A
、B
和C
是共享变量:
A = theano.shared(numpy.random.randn(n,r))
B = theano.shared(numpy.random.randn(m,r))
C = theano.shared(numpy.random.randn(l,r))
我想用一个theano表达式来写,有办法吗?
如果有很多,哪个最快?
np.einsum('nr,mr,lr->nml', A, B, C)
相当于
np.dot(A[:, None, :] * B[None, :, :], C.T)
可以在 Theano 中实现为
theano.dot(A[:, None, :] * B[None, :, :], C.T)
这与这里的问题几乎相同
所以我有三个矩阵 A
、B
、C
,大小为 n*r
、m*r
、l*r
,我想要计算由三重(三线性)积产生的形状 (n,m,l)
的 3D 张量:
X[i,j,k] = \sum_a A[i,a] B[j,a] C[k,a]
A
、B
和C
是共享变量:
A = theano.shared(numpy.random.randn(n,r))
B = theano.shared(numpy.random.randn(m,r))
C = theano.shared(numpy.random.randn(l,r))
我想用一个theano表达式来写,有办法吗? 如果有很多,哪个最快?
np.einsum('nr,mr,lr->nml', A, B, C)
相当于
np.dot(A[:, None, :] * B[None, :, :], C.T)
可以在 Theano 中实现为
theano.dot(A[:, None, :] * B[None, :, :], C.T)