在读《Python深度学习》这本书的时候，学习到张量点积这一块。二维以内的张量（向量和矩阵）的点积完全和矩阵乘法相同，因此理解起来没什么困难。但是当张量维度更高的时候呢？原文是这么说的：更一般地说，你可以对更高维的张量做点积，只要其形状匹配遵循与前面2D张量相同的原则：(a,b,c,d) . (d,) -> （a,b,c）(a,b,c,d) . (d,e) -> （a,b,c,e）那么，当被点积的张量维度高于二维呢？先说结论：(a,b,c,d) . (e,f,g,h)
线性代数
2023-10-01
175 点赞
2 评论
265 浏览
