tf.einsum

jeffery0628 jeffery0628 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 1.5k累计阅读 1.5k平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄11年
关注
原创 最新推荐文章于 2026-06-23 14:09:10 发布 1.5k 阅读 AI 写同款· GEO 优化 ›
tensorflow einsum函数 用于实现tensorflow中张量的点积、外积、装置、矩阵乘法等操作，einsum是一个表达以上这些运算，包括复杂张量运算在内的优雅方式，基本上，可以把einsum看成一种领域特定语言。一旦你理解并能利用einsum，除了不用记忆和频繁查找特定库函数这个好处以外，你还能够更迅速地编写更加紧凑、高效的代码。2、矩阵乘法，c[i,k]=sum_ja[i,j]*b[j,k]1、矩阵点积，c=sum_ia[i]*b[i]3、矩阵转置，b[j,i]=a[i,j]4、获取矩阵的对角元素。... 阅读详情

tf.einsum(equation, *inputs)
#例子：
tf.einsum(‘ij,jk->ik’, ts1,ts2) #矩阵乘法
tf.einsum(‘ij->ji’,ts1) #矩阵转置

收录于
TensorFlow

当前文章被收录于：

TensorFlow
6 篇文章 0 人学习
订阅专栏 查看详情
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
tf.einsum 的简化归纳理解 其实tf.einsum的参数归纳来说其实无非只是两种： 1，常规的全连接层实现 result = tf.einsum('mn,nh->mh', left_input, right_input) 2，输出attention matrix的实现 result = tf.einsum('mh,nh->mn', left_input, right_input) 怎么折腾都是这两种，比如 r... 阅读详情

相关推荐

ABB机器人与西门子PLC、工业相机联合实现无序抓取的完整调试方案

将此方案导入系统后，逐步执行调试，确保各环节信号正常触发，即可实现高效无序抓取！

CHUXUEZHE8210的博客 1994

tf.einsum()简单使用

tf.einsum einsum( equation, *inputs) 一般来说, 方程是从较熟悉的元素方程得到： 删除变量名称、括号和逗号； 用 “*” 替换 “，”； 删除总和标志； 将输出移到右侧，并将 “=” 替换为 “->>”。 许多常见操作可以用这种方式来表示。例如: # Matrix multiplication >>> eins...

Mr番茄蛋的博客 2万+

基于Cesium的北斗卫星轨道实时可视化系统开发实践

本文详细介绍了基于Cesium的北斗卫星轨道实时可视化系统开发实践，涵盖系统架构设计、轨道计算实现、后端服务开发及前端可视化实现等关键环节。通过优化算法和数据流设计，系统实现了厘米级精度的卫星轨道实时渲染，适用于导航卫星系统的科研与工程应用。

j7k8l的博客 520

tf.einsum—爱因斯坦求和约定

1. einsum记法 如果你像我一样，发现记住PyTorch/TensorFlow中那些计算点积、外积、转置、矩阵-向量乘法、矩阵-矩阵乘法的函数名字和签名很费劲，那么einsum记法就是我们的救星。einsum记法是一个表达以上这些运算，包括复杂张量运算在内的优雅方式，基本上，可以把einsum看成一种领域特定语言。一旦你理解并能利用einsum，除了不用记忆和频繁查找特定库函数这个好处...

欢迎来到打不死的小强的专栏 8396

Power EM与Signal EM解决办法与原理分析

1.面对power EM，首先检查missing via，补全via，还可以加宽，加密局部power mesh，一些power IO出pin有power EM问题，可以叠加多层线和垂直方向补power形成网络降低并联电阻和提供更多电流通路解决，这种方法还可以降低ir drop。3.先进工艺有一个via ladder的方法可以解决power/signal em问题，clock cell出pin绕线或者power rail连接power stripe通过搭梯子的方式连接，原理还是分流。

m0_61544122的博客 4749

基于ESP32的智能无线广播系统开发博客

通过本项目的开发，我们成功地实现了基于ESP32的智能无线广播系统。该系统不仅具备传统广播的功能，还实现了通过Wi-Fi无线传输音频、实时广播和智能控制等多种先进功能。未来，随着技术的进一步发展，我们还可以扩展更多功能，如智能推荐广播内容、支持语音识别和控制等。希望本项目能够为嵌入式开发人员提供一些思路和参考，帮助大家在实际开发中更好地应用ESP32平台，开发出更加智能和实用的无线广播系统。

2201_76125393的博客 424

tf.einsum()基本使用

tf.enisum(equation,*inputs) 可以用简单的方式表示许多常见的多维线性代数数组运算。 常见使用方法如下： # Matrix multiplication einsum('ij,jk->ik', m0, m1) # output[i,k] = sum_j m0[i,j] * m1[j, k] # Dot product einsum('i,i->', u, v...

张海玲的博客 4613

【Claude Code 实战】第十章：DevOps 与 CI/CD 集成 / 光子AI

本章摘要：探讨Claude Code在DevOps与CI/CD集成中的应用。DevOps作为现代软件工程核心，结合AI技术实现自动化全流程，从代码提交到生产部署。通过CALMS模型（文化、自动化、精益、度量、分享）解析DevOps理念，对比传统瀑布模式与DevOps模式差异，展示AI如何加速Dockerfile编写、CI/CD配置等任务。典型示例显示AI可将原本30-60分钟的手动配置缩短至1-2分钟，大幅提升DevOps效率。

AI天才研究院 367

TensorFlow常用乘法函数总结：tf.multiply()、*、tf.matmul()、@、tf.scalar_mul()、tf.tensordot()、tf.einsum()

tf.multiply() 或 * 为元素对位相乘，即哈达玛积，要求两个矩阵shape一致，或其中一个维度为1。tf.matmul() 或 @ 为矩阵乘法，参与运算的是最后两维形成的矩阵，不支持矩阵-向量乘法或两个向量的点积。tf.scalar_mul() 为标量和张量相乘，即参数之一为标量。外积 tf.tensordot(a, b, axes=0)，点积 tf.tensordot(a, b, axes=1)，a和b都是一维向量。tf.einsum() 是通用函数模板，numpy和Pytorch有类似的用法

qq_43629945的博客 3946

基于STM32的智能婴儿床设计(蓝牙通信+摄像头监控)_315

本项目设计并实现了一款基于STM32微控制器的智能婴儿床系统，通过多种传感器和智能控制模块为家长提供更便捷和高效的婴儿照护解决方案。系统包括婴儿哭泣检测、湿度监测、空气质量检测、温度监控等多项功能，并通过蓝牙与手机APP进行数据传输和远程控制。婴儿床内置摇摇床和安抚音乐播放功能，能够在婴儿哭泣时自动启动摇摇床并播放安抚音乐。此外，系统还支持摄像头远程监控，让家长实时查看婴儿的状态。整个系统采用STM32F103RCT6作为核心控制单元，结合声音传感器、湿度传感器、MQ135空气质量传感器。

865

图像拼接——ITKMontage

ITKMontage是一个开源的、高性能的图像拼接软件模块。它的核心任务是将多张部分重叠的图像瓦片（Tiles）拼接成一幅完整的大图，专为处理材料显微科学中产生的大规模、高分辨率图像而设计。针对ITKMontage模块中示例进行了修改，解决了没有文件TileConfiguration.txt的情况，以及使用中的一些BUG。ITKMontage可以单独编译，也可以作为ITK的一个模块进行编译，介绍后一种的cmake设置。本文介绍使用ITKMontage模块进行图像拼接的方法。此处省略编译后的库配置。

2301_79131410的博客 102

TensorFlow：tf.matmul和tf.einsum实现矩阵相乘

TensorFlow：tf.matmul和tf.einsum实现矩阵相乘 1.TensorFlow：tf.matmul函数： 函数：tf.matmul matmul( a, b, transpose_a=False, transpose_b=False, adjoint_a=False, adjoint_b=False, a_is...

小花生的博客 9029

温度PID控制PLC程序

温度PID稳定控制程序，适用于欧姆龙PLC，对其他PLC也具有很大参考价值

einsum:深度学习中的爱因斯坦求和约定

1.爱因斯坦求和约定 PyTorch/TensorFlow中那些计算点积、外积、转置、矩阵-向量乘法、矩阵-矩阵乘法的函数名字和签名很费劲，那么einsum记法就是我们的救星。einsum记法是一个表达以上这些运算，包括复杂张量运算在内的优雅方式，基本上，可以把einsum看成一种领域特定语言。一旦你理解并能利用einsum，除了不用记忆和频繁查找特定库函数这个好处以外，你还能够更迅速地编写更加...

qq_20481015的博客 1875

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章，有部分习题没有答案，全英文复分析阿尔福斯(Ahlfors) 第三版答案

怀旧版电脑GBC模拟器

再现原版GBC掌机的界面，电脑运行连游戏界面都一样大小，很怀旧，很真实，（英文版）强烈推荐，很小的文件，很难才找到的。

深度学习 - 36.TF x Keras TF 常用矩阵计算方法大全

tf 常用矩阵计算方法，包括 multiply、matmul、tensordot、dot、batch_dot 与 einsum

BITDDD小栈 1400

老版QQ原生表情gif动态

这是老版的QQ表情，不过全是动态的的，Windows照片查看器是不会动的，可以右击用浏览器打开查看，再说一遍是老版的，只是分享给宁愿用老版也要动态的人。

模型开发：拥抱张量运算

在 TensorFlow 的模型开发中，应当尽量减少 For 循环的使用，而多使用基于矩阵或者张量的运算。这样一方面是利用计算机对矩阵运算的充分优化，另一方面也是减少计算图中的操作个数，避免让 TensorFlow 的计算图变得臃肿。 举一个例子，假设有 1000 个尺寸为 100×1000 的矩阵，构成一个形状为[1000, 100, 1000]的三维张量A，而现在希望将这个三维张量里的每一个矩阵与一个尺寸为 1000×1000 的矩阵B相乘，再将得到的 1000 个矩阵在第 0 维堆叠起来...

地推 1043

Tensorflow：tensor数据类型转换、计算和变换

示例 import tensorflow as tf x = tf.constant([[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]]) y = tf.constant([[[11, 12, 13], ...

皮皮blog 9636

超越基础：深入理解TensorFlow张量的心智模型与高性能操作实践

最后，理解张量操作如何与TensorFlow的编译器交互至关重要。：它将Python代码转换为静态计算图。在装饰的函数内，确保使用TensorFlow原语（如tf.range而不是rangetf.print而不是print）以获得最佳性能和图优化。XLA编译：通过，你可以将热点的张量操作子图编译为XLA HLO，从而进行激进优化（如操作融合、内存布局优化）。这对于具有固定形状、大量小型操作的循环体（如RNN Cell）效果显著。

不懂先生的博客 695

TensorFlow 2.0实现神经风格迁移：从原理到可复现代码

神经风格迁移（Neural Style Transfer）是一种将图像内容与艺术风格解耦并重组的深度学习技术，其核心在于利用预训练CNN（如VGG19）的中间层特征，分别定义内容损失与基于Gram矩阵的风格损失，通过梯度优化输入图像实现可控迁移。该技术不依赖端到端训练，具备零训练成本、高度可解释性与跨分辨率适配能力，广泛应用于AI绘画工具、个性化滤镜开发及数字艺术创作。本文基于TensorFlow 2.0框架，详解VGG19特征解耦机制、Gram矩阵的统计建模原理、Eager模式下的梯度追踪实践，以及图像预

weixin_34081595的博客 316

tensorflow 用到过的函数记录

tensorflow 用到过的函数记录 tf.multinomial 从多项式分布中抽取样本。 multinomial( logits, num_samples, seed=None, name=None ) args： logits：形状为 [batch_size, num_classes] 的二维张量；每个切片：[i, :] 表示所有类的非标准化对数概率。 n...

小白修炼记 221

日常代码学习记录

3.20 1. Codebase for “Time-series prediction” with RNN, GRU, LSTM and Attention **https://github.com/jsyoon0823/Time-series-prediction** ※ 函数 ‘’'python tf.placeholder(dtype, shape=None, name=None)

BYCGZ159的博客 1638

深度学习中的小技巧

深度学习中的小技巧（1）说明正文Tip1：cuda9.0和10.0的切换Tip2：pycharm中的TODO标注Tip3：tensorflow的 tf.einsum函数Tip4：（1，1）和（1，）是不一样的结尾瞎扯 说明 本系列主要用于记录在深度学习开发中我所遇到的感觉比较有用的小技巧，还是瞎写一下。本文github博客链接 正文 Tip1：cuda9.0和10.0的切换 tensorflow...

Djs9611的博客 631

numpy三维batch矩阵相乘

写代码时候遇到了带batch的矩阵乘法，需要用numpy实现。即A=[batch,height,width], B=[batch,width,height], C=AB=[batch,height,height]。在tensorflow中是可以直接使用tf.matmul得到结果的，但是在numpy中没有现成的三维矩阵乘法。 三维矩阵乘法的思路就是：C[0]=A[0]B[0], C[1]=A[1]B[1]，也就是分别将A和B的batch的每个样本进行矩阵乘法，然后构成C。在numpy中可以使用np.eins

tafengtianya的博客 8520

TensorFlow二维张量和三维张量内积

方法1 爱因斯坦求和 d = tf.ones(shape=[4, 2, 5], dtype=tf.float32) w = tf.random.normal(shape=[2, 4]) einsum = tf.einsum('be,ebd->bd',w,d) print(einsum) 输出 输出的shape=（2，5） 也可以将维度小的一个增加一维，然后交换维度，再按第一维求和 d1 = tf.ones(shape=[4, 2, 5], dtype=tf.float32) .

qq_31159375的博客 1916

tensorflow报错问题及解决方案记录页

环境： tensorflow：2.1 keras：2.3.1 因为偶尔就会出现这些问题，每次都得重新搜索解决方案很麻烦，所以在此记录一下，持续更新 以下报错的原因是python代码是基于TensorFlow1.0+的，而系统中的TensorFlow版本为2.0+ 报错： AttributeError: module ‘tensorflow’ has no attribute 'ConfigProto’ 将原句： config = tf.ConfigProto() 改为： config = tf.co

Everyday is a nice day ! 2365
上一篇： sklearn 保存训练模型的两种方法
下一篇： mnist手写体识别
点赞 0
评论 0
书签 书签 0
jeffery0628
jeffery0628
博客等级 码龄11年 39粉丝 112原创
+ 关注 专栏目录 订阅专栏
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值