tf.matmul是否等效于在某些情况下密集层在张量流中进行的操作？

如何解决tf.matmul是否等效于在某些情况下密集层在张量流中进行的操作？

我已经创建了这个模型

num_items = 1250
num_users = 1453
emb_size = 64

input_userID = Input(shape=[1],name='user_ID')
input_itemID = Input(shape=[1],name='item_ID')

user_emb_GMF = Embedding(num_users,emb_size,name='user_emb_GMF')(input_userID)
item_emb_GMF = Embedding(num_items,name='item_emb_GMF')(input_itemID)

interraction_map = tf.expand_dims(Dot(axes=1)([user_emb_GMF,item_emb_GMF]),-1)
print(interraction_map)
conv = Conv2D(32,2,strides=2,activation='relu',padding="SAME",input_shape=interraction_map.shape[1:],name='conv1')(interraction_map)

for i in range(2,7):#les autres conv layer
    conv = Conv2D(32,name='conv%d'%(i))(conv)

reshaped_conv = Flatten()(conv)
# c'est la que je doit agir et ajouter creer la prédiction


out = Dense(1,name='output' )(reshaped_conv)

#out = Dense(1,activation='sigmoid',name='output')(layer)


oncf_model = Model([input_userID,input_itemID],out)

tf.keras.utils.plot_model(oncf_model,show_shapes=True)

并且我希望输出层是此操作的结果：

output_layer = tf.matmul(reshaped_conv,W) + b

其中W是形状为（32,1）（权重）的张量，b是形状为（1）（偏压）的张量。

我想知道在这种特殊情况下，用matmul完成的操作是否等同于密集层所做的操作

out = Dense(1,name='output' )(reshaped_conv)

解决方法

是的，它们是相同的...您可以自己进行测试

def one():
    cn.itemconfigure('image',image=vo)

def two():
    cn.itemconfigure('image',image=vo2)

...
cn = Canvas(w,width=400,height=250,bg='#b000ff',highlightthickness=0)
cn.pack(side=BOTTOM,anchor=E)
cn.create_image(200,135,image=None,tag='image')

w.mainloop()