一、环境
TensorFlow API r1.12
CUDA 9.2 V9.2.148
cudnn64_7.dll
Python 3.6.3
Windows 10
二、官方说明
tf.linalg.matmul或tf.matmul：矩阵乘
tf.linalg.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
)输入：
（1）张量a：支持张量类型float16, float32, float64, int32, complex64,complex128，阶>1
（2）张量b：支持张量类型同张量a
（3）transpose_a：布尔型参数，如果是True，矩阵乘之前先执行转置
（4）transpose_b：布尔型参数，如果是True，矩阵乘之前先执行转置
（5）adjoint_a：布尔型参数，如果是True，矩阵乘之前先执行共轭转置
（6）adjoint_b：布尔型参数，如果是True，矩阵乘之前先执行共轭转置
（7）a_is_sparse：布尔型参数，如果是True，矩阵a被当做稀疏矩阵
（8）b_is_sparse：布尔型参数，如果是True，矩阵b被当做稀疏矩阵
（9）name：可选参数，操作的名称
返回结果：
（1）与输入张量a和输入张量b相同类型的张量，返回的结果张量最内层矩阵是输入矩阵a和输入矩阵b相应矩阵的乘积。
tf.math.multiply或tf.multiply：矩阵元素乘
tf.math.multiply(
x,
y,
name=None
)输入：
（1）张量x：数据类型可以是bfloat16, half, float32, float64, uint8, int8, uint16, int16, int32, int64, complex64, complex128
（2）张量y：数据类型跟x一样
返回结果：
（1）张量：跟输入张量同一种数据类型
三、实例
（1）矩阵乘（tf.linalg.matmul或tf.matmul）
>>> x = tf.constant([[1,2,3],[4,5,6]])
>>> sess = tf.Session()
>>> sess.run(tf.shape(x))
# array([2, 3])
>>> y = tf.constant([[1,2],[3,4],[5,6]])
>>> sess.run(tf.shape(y))
# array([3, 2])
>>> result = tf.matmul(x,y)
>>> sess.run(tf.shape(result))
# array([2, 2])（2）矩阵元素乘（tf.math.multiply或tf.multiply）
>>> import tensorflow as tf
>>> x = tf.constant([1,2,3])
>>> y = tf.constant([4,5,6])
>>> result1 = tf.multiply(x,y)
>>> result1
<tf.Tensor 'Mul:0' shape=(3,) dtype=int32>
>>> sess = tf.Session()
>>> sess.run(result1)
array([ 4, 10, 18])