如何重现numpy.tensordot的特定应用的结果

Question

我目前正在尝试了解Tensordot在Python中的工作方式。考虑以下特定示例：

import numpy as np
A = [0,1,1,0,1,1,0,1,1,1,1,1]
A = np.reshape(A, (2,3,2))
print('A is ', A)
B = [1,0,0,0,1,0,1,1,0,0,1,1]
B = np.reshape(B,(3,2,2))
print('B is ', B)
C = np.tensordot(A,B,axes = (0,1))
print('C is ', C)

根据我使用的轴，我看到所得矩阵将具有3 x 2 x 3 x 2的形状。换句话说，c将是一个3 x 2矩阵，其元素为3 x 2矩阵。我还得到了确认这一点的结果，因此我相信我了解轴的选择如何影响所得矩阵的大小。

print(C.shape)
>Output: (3, 2, 3, 2)

但是，我不了解计算机计算的矩阵C。这是矩阵A和B：

A is  [[[0 1]
        [1 0]
        [1 1]]

      [[0 1]
       [1 1]
       [1 1]]]
B is  [[[1 0]
        [0 0]]

       [[1 0]
        [1 1]]

       [[0 0]
        [1 1]]]

基于我选择的轴，看来C的第一个元素应从A和A和该列的第一列中确定换句话说，换句话说

First element (a matrix) of A * 1 + second element (a matrix) of B * 0

，C的第一个元素是C的第一个元素是0s的3 x 2矩阵。这是矩阵C。为什么Python给出了此输出？

C is  [[[[0 0]
         [0 0]
         [0 0]]

        [[1 0]
         [2 1]
         [1 1]]]


       [[[1 0]
         [2 1]
         [1 1]]

        [[0 0]
         [1 1]
         [1 1]]]


       [[[1 0]
         [2 1]
         [1 1]]

        [[1 0]
         [2 1]
         [1 1]]]]