問題描述：
Specifically, I want to do matmul(A,B) where
'A' has shape (m,n)
'B' has shape (k,n,p)
and the result should have shape (k,m,p)
參考網站：
https://groups.google.com/a/tensorflow.org/forum/#!topic/discuss/4tgsOSxwtkY
https://stackoverflow.com/questions/38235555/tensorflow-matmul-of-input-matrix-with-batch-data
解決辦法：
1，我們知道TensorFlow的matmul已經支持了batch，即：
A = tf.Variable(tf.random_normal(shape=(a, b, n, m)))
B = tf.Variable(tf.random_normal(shape=(a, b, m, k)))
tf.matmul(A, B)會返回(a,b,n,k)，前面的N個維度會被保留。但是適用情景與題目不符。
2，所以我們自然想到reshape。
You can conflate the two dimensions not used in the multiplication using reshape, multiply the two matrices, and then call reshape again to get the desired shape. This is equivalent to doing batch multiplication.
簡而言之呢，就是，你可以將乘法中用不到的維度reshape到后面去，比如
(k, m, p) => (m, p * k)
進行矩陣乘法得到：(n, p * k)
之后reshape成：(k, n, p)。
雖然有些麻煩，但這是唯一的解決辦法了。
適用情景：A矩陣只有一個，但是B矩陣有batch_num個，需要逐個進行矩陣乘法的場合。