python中 numpy.dot() 和 numpy.inner() 的区别

最新推荐文章于 2024-07-08 14:21:11 发布

我心态超好的哦

最新推荐文章于 2024-07-08 14:21:11 发布

阅读量3.1k

点赞数 3

文章标签： python numpy

本文链接：https://blog.csdn.net/CCCUTE_CC/article/details/121336656

版权

本文介绍了numpy库中dot和inner两个函数的使用和区别。numpy.dot()用于计算矩阵乘积，遵循线性代数中的矩阵乘法规则；而numpy.inner()则计算两矩阵对应元素的乘积之和，不遵循传统矩阵乘法。通过实例代码展示了两者不同的运算结果，并解析了其计算规则。

摘要由CSDN通过智能技术生成

不少朋友在初学numpy时会遇到这两个函数：numpy.dot() 和numpy.inner()，可能会对这两个函数的运算规则感到疑惑，今天为大家带来解答。

numpy.dot()就是矩阵的乘积，也就是大家在线性代数里面学的矩阵间的乘积。以二维矩阵为例：

A = $\begin{bmatrix}a11 & a12\\ a21& a22\end{bmatrix}$ , B = $\begin{bmatrix} b11 &b12 \\ b21& b22 \end{bmatrix}$

那么C = numpy.dot(A, B)也就是C = A*B了：

c11 = a11 * b11 + a12 * b21

c12 = a11 * b12 + a12 * b22

c21 = a21 * b11 + a21 * b21

c22 = a21 * b12 + a21 * b22

import numpy as np
A = np.array([[1, 2], [3, 4]])
B = np.array([[1, 3], [2, 3]])
print(np.dot(A, B))

得到结果：

[[ 5  9]
 [11 21]]

numpy.inner()函数，从字面上来看是矩阵的内积，但是在运算方法上来看却不是，我们先来代码实践一下：

import numpy as np
A = np.array([[1, 2], [3, 4]])
B = np.array([[1, 3], [2, 3]])
print(np.inner(A, B))

得到结果：

[[ 7  8]
 [15 18]]

我们发现和第一个例子的结果是不同的，仔细观察结果，可以发现计算规则为：

c11 = a11 * b11 + a12 * b12，矩阵A的第一行与矩阵B的第一行对应元素相乘为c11

c12 = a11 * b21 + a12 * b22，矩阵A的第一行与矩阵B的第二行对应元素相乘为c12

c21 = a21 * b11 + a22 * b12，矩阵A的第二行与矩阵B的第一行对应元素相乘为c21

c22 = a21 * b21 + a22 * b22，矩阵A的第二行与矩阵B的第二行对应元素相乘为c22

以上就是关于numpy.dot()和numpy.inner()这两个函数计算规则的内容了，希望大家有所收获！

关注