我有两个向量，分别包含形状为<code>(3,3)</code>和形状为<code>(3,3,3,3)</code>的张量。向量具有相同的长度，

我有两个矩阵-U和V，每个矩阵有n个向量，如下所示： <pre><code>U = [u1, u2, u3,... un] V = [v1, v2, v3,... vn] </c

我有3D A矩阵3x3x5（第三维是5）和2D B矩阵（3x3）。我想将A和B相乘以获得（3x3x5）矩阵。然后将所得3D矩阵的

我一直在尝试理解tensorflow.tensordot（）（主要是axiss参数）背后的数学运算。我已经尝试了一些代码。

是否可以将与“tensordot”类似的方法与 torch.sparse 张量一起使用？ 我正在尝试将 4 维张量应用于 2

我有 2 个张量，A 和 B： <pre><code>A = torch.randn([32,128,64,12],dtype=torch.float64) B = torch.randn([64,12,64,12],dtype=to

<pre><code>arr1 = np.arange(8).reshape(4, 2) arr2 = np.arange(4, 12).reshape(2, 4) ans=np.tensordot(arr1,arr2,axes=([1],[0])) ans2=np.tensor

在 <code>PyKeops</code> <a href="http://www.kernel-operations.io/keops/api/math-operations.html" rel="nofollow noreferrer">package</a>

我有 2 个复杂矩阵，每个矩阵的形状为 (2,4,4,4,3)。我想在没有 for 循环的情况下实现以下代码： <pre><c

我知道有很多关于 tensordot 的问题，我已经浏览了一些我确信人们花了数小时制作的 15 页迷你书答案中

在我的 python Tensorflow 代码中，我有一个维度为 (201, 25, 25) 的 3d 张量 "a" 和维度为 (201, 25) 的二维张量 "b"

我只是在研究 Tensorflow。并对 tensordot 感到困惑。比如我的代码是： <pre><code>import tensorflow as tf a=tf.Vari

NumPy 的 <code>tensordot</code> 和 <code>einsum</code> 函数之间的异同有详细记录，并在本论坛中进行了广泛讨论

我正在尝试取三个密度矩阵的张量积并在乘积基础上表达它。这些矩阵中的每一个都有迹线 1，理论上，

目标我的目标是计算公式的张量,您可以在下面看到.索引i,j,k,l从0到40以及p,m,x从0到80.Tensordot方法这个总和只是收缩6个巨大张量的索引.我试图通过允许这种计算的张量点来做到这一点,但是即使我先执行一个张量点然后再执行另一个张量点,我的问题还是内存. (我在colab中工作,所以我有12GB的可用内存)嵌套循环法但是控制B矩阵有一些附加