AI学习之路（19）TensorFlow里的矩阵乘法

               

如果对矩阵的知识有点遗忘，有点陌生，有点想不起来，请先看看这个网页：

http://blog.youkuaiyun.com/caimouse/article/details/55001181

基础知识已经补过了，就直接来使用TF的矩阵乘法了。

tf.matmul(a, b, transpose_a=False, transpose_b=False, adjoint_a=False, adjoint_b=False, a_is_sparse=False, b_is_sparse=False, name=None)

对矩阵a和矩阵b进行乘法，也就是a * b。两个参数输入必须是矩阵形式（张量的行列大于2），符合矩阵乘法的前后矩阵行列形式，包括转置之后。两个矩阵必须具有相同的数据类型，支持的数据类型：float16, float32, float64, int32, complex64, complex128。

也可以通过参数 transpose_a或transpose_b来设置矩阵在乘法之前进行转置，这时这些标志位应该设置为True，默认是False。

如果知道某一个矩阵有比较多0元素存在，也就是说存在稀疏矩阵，这时候可以通过设置参数a_is_sparse 或 b_is_sparse标志为True，这样可以大大优化矩阵的乘法计算。但张量的形式必须为2，数据类型为 float16 or float32。

例子:

#python 3.5.3      #2017-03-09 蔡军生  http://blog.youkuaiyun.com/caimouse    #import tensorflow as tfimport numpy as npa = tf.constant([