python矩阵乘法基础小结 |
您所在的位置：网站首页 › python 数组点乘 › python矩阵乘法基础小结 |
python矩阵乘法基础小结
|
Python的numpy矩阵乘法相关： 1.直接对array之间使用表示进行点乘，维度较低的array_x1最高纬度（设为n维）的数字，必须与纬度较高array_x2对应维度上的数字相同。x1和x2第i维度(i>n)的数字要不然相同，要不然其中一者为1，即可相加。【乘法要求矩阵最末端的唯独对齐，因此此处的维度是从右往左计算】并且矩阵点乘不分左右。（及要求对其末尾的维度即可） eg:可行的计算：(1,3,1,1)(3,2,5)，(1,3,1,5)(3,2,5)，(2,3)(1,2,1) 不可行的计算：(1,3,2,3)*(3,1,5) 2.使用matmul进行矩阵之间的相乘，（a@b或者np.matmul(x1,x2)）,要求前一个矩阵的列数必须等于后一个矩阵的行数。 3.使用dot进行矩阵之间的相乘，(np.dot(x1,x2))，要求同上 2，3区别，matmul在直接匹配以后不会添加其他维度，而dot会 eg：a(1,3,2),b(1,1,2,3) [email protected]=(1,1,3,3) Np.dot(a,b).shape(1,3,1,1,3) 有关einsum,两指定的维度进行相乘，没指定就求和。 ```python X = np.array([[[1, 5], [2, 6]], [[3, 7], [4, 8]]]) A = np.array([[1, 2], [3, 4], [5, 6]]) >>> X array([[[1, 5], [2, 6]], [[3, 7], [4, 8]]]) >>> A array([[1, 2], [3, 4], [5, 6]]) >>> X.shape (2, 2, 2) >>> A.shape (3, 2) >>> Y = np.einsum('kij, lk -> lij', X, A) >>> Y.shape (3, 2, 2) >>> Y array([[[ 7, 19], [10, 22]], [[15, 43], [22, 50]], [[23, 67], [34, 78]]])计算过程如下
|
图片转不过来凑活看吧【本文地址】
今日新闻 |
推荐新闻 |