求 numpy 中子数组的点积

发布于 2024-11-14 21:56:15 字数 154 浏览 4 评论 0原文

在 numpy 中，numpy.dot() 函数可用于计算两个二维数组的矩阵乘积。我有两个 3D 数组 X 和 Y（比如说），我想计算矩阵 Z，其中 Z[i] == numpy.dot(X[i], Y[i])对于所有i。这可以非迭代地完成吗？

原文

分享到QQ

分享到微博

如果你对这篇内容有疑问，欢迎到本站社区发帖提问参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。

发布评论

需要登录才能够评论，你可以免费注册一个本站的账号。

尛丟丟 2024-11-21 21:56:15

怎么样：

from numpy.core.umath_tests import inner1d
Z = inner1d(X,Y)

例如：

X = np.random.normal(size=(10,5))
Y = np.random.normal(size=(10,5))
Z1 = inner1d(X,Y)
Z2 = [np.dot(X[k],Y[k]) for k in range(10)]
print np.allclose(Z1,Z2)

返回 True

Edit 更正，因为我没有看到问题的 3D 部分

from numpy.core.umath_tests import matrix_multiply
X = np.random.normal(size=(10,5,3))
Y = np.random.normal(size=(10,3,5))
Z1 = matrix_multiply(X,Y)
Z2 = np.array([np.dot(X[k],Y[k]) for k in range(10)])
np.allclose(Z1,Z2)  # <== returns True

这有效是因为（如文档字符串所述），matrix_multiply提供

matrix_multiply(x1, x2[, out]) 矩阵
最后两个维度的乘法

How about:

from numpy.core.umath_tests import inner1d
Z = inner1d(X,Y)

For example:

X = np.random.normal(size=(10,5))
Y = np.random.normal(size=(10,5))
Z1 = inner1d(X,Y)
Z2 = [np.dot(X[k],Y[k]) for k in range(10)]
print np.allclose(Z1,Z2)

returns True

Edit Correction since I didn't see the 3D part of the question

from numpy.core.umath_tests import matrix_multiply
X = np.random.normal(size=(10,5,3))
Y = np.random.normal(size=(10,3,5))
Z1 = matrix_multiply(X,Y)
Z2 = np.array([np.dot(X[k],Y[k]) for k in range(10)])
np.allclose(Z1,Z2)  # <== returns True

This works because (as the docstring states), matrix_multiplyprovides