Python numpy库中dot()、matmul()、multiply、*、@的异同

最新推荐文章于 2024-07-14 18:54:16 发布

FT_1905

最新推荐文章于 2024-07-14 18:54:16 发布

阅读量2.1k

点赞数 12

文章标签： numpy python 机器学习线性代数矩阵

本文链接：https://blog.csdn.net/Frisk_Toby/article/details/108966136

版权

这篇博客探讨了Python numpy库中dot()、matmul()、multiply、*、@这五个操作符在处理矩阵乘法和向量内积时的异同。总结指出，multiply()和*对向量和二维数组执行元素级乘法，而dot()、matmul()、@则用于向量内积和矩阵乘法。对于矩阵，dot和matmul适用于不同维度的计算，且dot更通用。文章适合Python初学者，特别是学习机器学习和线性代数的读者。

摘要由CSDN通过智能技术生成

Python numpy库中dot()、matmul()、multiply、*、@的异同

被numpy库里矩阵乘法弄糊涂了，尝试做了一份表格来对比差异，代码比较简单就不贴了
主要是不同函数的差异，不涉及到广播机制

运算	用例	a*b	np.multiply(a,b)	np.matmul(a,b)	np.dot(a,b)	a@b
向量	$\begin{bmatrix}0 & 1 \\\end{bmatrix}\begin{bmatrix}1 & 2 \\\end{bmatrix}$	$\begin{bmatrix}0 & 2 \\\end{bmatrix}$	$\begin{bmatrix}0 & 2 \\\end{bmatrix}$	2	2	2
维度不同的多维数组(np.array)	$\begin{bmatrix}1 & 2 \\3 & 4\\5 & 6\end{bmatrix} \begin{bmatrix}1\\2\end{bmatrix}$