Tensorflow中multiply()函数与matmul()函数的用法区别

1.tf.multiply()函数：矩阵对应元素相乘

官网定义:

multiply(x,y,name=None)

参数：

x: 一个类型为:half, float32, float64, uint8, int8, uint16, int16, int32, int64, complex64, complex128的张量。

y: 一个类型跟张量x相同的张量。

注意：

　　（1）该函数实现的是元素级别的相乘，也就是两个相乘的数元素各自相乘，而不是矩阵乘法

　　（2）两个相乘的数必须是相同的类型，否则会报错。

举例说明：

import tensorflow as tf

# 1.数和矩阵相乘
x = tf.constant([[1,2,3],[2,3,4],[3,4,5]])
y1 = tf.constant(2)
xy1 = tf.multiply(x,y1)

# 2.两个矩阵对应元素相乘
x = tf.constant([[1,2,3],[2,3,4],[3,4,5]])
y2 = tf.constant([[1,1,1],[2,2,2],[3,3,3]])
xy2 = tf.multiply(x,y2)

# 3.元素类型不一样，报错
# x = tf.constant([[1,2,3],[2,3,4],[3,4,5]])
# y3 = tf.constant([[1.0,1.0,1.0],[2.0,2.0,2.0],[3.0,3.0,3.0]])
# xy3 = tf.multiply(x,y3)

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())

    print('xy1 =n',sess.run(xy1))
    print('xy2 =n',sess.run(xy2))
    # print('xy3 =n',sess.run(xy3))

运行结果：

xy1 =
 [[ 2  4  6]
  [ 4  6  8]
  [ 6  8 10]]
xy2 =
 [[ 1  2  3]
  [ 4  6  8]
  [ 9 12 15]]

 

2.tf.matmul()函数：矩阵乘法

官网定义：

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)

参数：

a: 一个类型为 float16, float32, float64, int32, complex64, complex128 且张量秩 > 1 的张量。 
b: 一个类型跟张量a相同的张量。 
transpose_a: 如果为真, a则在进行乘法计算前进行转置。 
transpose_b: 如果为真, b则在进行乘法计算前进行转置。 
adjoint_a: 如果为真, a则在进行乘法计算前进行共轭和转置。 
adjoint_b: 如果为真, b则在进行乘法计算前进行共轭和转置。 
a_is_sparse: 如果为真, a会被处理为稀疏矩阵。 
b_is_sparse: 如果为真, b会被处理为稀疏矩阵。

返回值： 一个跟张量a和张量b类型一样的张量且最内部矩阵是a和b中的相应矩阵的乘积。

举例说明：

import tensorflow as tf

x = tf.constant([[1,2,3],
                 [2,3,4],
                 [3,4,5]])
y = tf.constant([[1,2,3],
                 [1,2,3],
                 [1,2,3]])
xy = tf.matmul(x,y)

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    print('xy1 =n',sess.run(xy))

运行结果：

xy =
 [[ 6 12 18]
  [ 9 18 27]
  [12 24 36]]

3.multiply()和matmul()对比

举例说明：

import tensorflow as tf

x = tf.constant([[1,2,3],
                 [2,3,4],
                 [3,4,5]])
y1 = tf.constant([[1,2,3],
                  [1,2,3],
                  [1,2,3]])
y2 = tf.constant([[1,2,3],
                  [1,2,3],
                  [1,2,3]])
z1 = tf.multiply(x,y1)      # 对应元素相乘
z2 = tf.matmul(x,y2)        # 矩阵相乘
        
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    print('z1 =n',sess.run(z1))
    print('z2 =n',sess.run(z2))

运行结果：

z1 =
 [[ 1  4  9]
  [ 2  6 12]
  [ 3  8 15]]
z2 =
 [[ 6 12 18]
  [ 9 18 27]
  [12 24 36]]