这里写目录标题
前言
乘除法好理解,但是一维向量,二维矩阵,三维+张量的乘除法就不一定能招架了,为了以后碰到类似问题不抓狂,本文总结罗列一下numpy,tensorflow,keras几种工具对各种乘除法的定义和api。
一维向量
一维向量的乘除法,有元素元素之间的乘除法,也有向量的点积运算,以及向量的模运算。
numpy
乘法符号 ∗ * ∗
numpy中的 ∗ * ∗号表示向量元素与元素之间的成绩,这要求参与点乘的两个向量长度(维度)一致。
>>> import numpy as np
>>> a1 = np.array([2,3])
>>> a1
array([2, 3])
>>> a2 = np.array([4,5])
>>> a2
array([4, 5])
>>> a1*a2
array([ 8, 15])
numpy函数 dot()和 matmul()
这两个在一维中是一样的,点积就是乘完了还要累加, matmul似乎直接做了转置处理。
>>> import numpy as np
>>> a1 = np.array([2,3])
>>> a1
array([2, 3])
>>> a2 = np.array([4,5])
>>> a2
array([4, 5])
>>> np.dot(a1,a2)
23
>>> np.matmul(a1,a2)
23
除法符号 / / /和 / / // //
这两个符号一个是浮点除法,一个是整数+余数除法
>>> a2/a1
array([2. , 1.66666667])
>>> a2//a1
array([2, 1])
numpy函数divide、true_divide和floor_division
三者还是有差别的,但从结果看前两个更像 / / /,最有一个像 / / // //
>>> np.divide(a2,a1)
array([2. , 1.66666667])
>>> np.true_divide(a2,a1)
array([2. , 1.66666667])
>>> np.floor_divide(a2,a1)
array([2, 1])
tensoflow的乘除法
tensorflow在做张量运算的方面功能非常强大,能实现numpy的大部分乘除功能,2.0以后支持eager模式,可以向numpy一样运行,下面是例子
>>> a1 = tf.constant([2, 3], dtype=tf.int32)
>>> a1
<tf.Tensor: shape=(2,), dtype=int32, numpy=array([2, 3], dtype=int32)>
>>> a2 = tf.constant([4, 5], dtype=tf.int32)
>>> a2
<tf.Tensor: shape=(2,), dtype=int32, numpy=array([4, 5], dtype=int32)>
>>> a1 * a1
<tf.Tensor: shape=(2,), dtype=int32, numpy=array([4, 9], dtype=int32)>
>>> a1 * a2
<tf.Tensor: shape=(2,), dtype=int32, numpy=array([ 8, 15], dtype=int32)>
>>> tf.math.multiply(a1,a2)
<tf.Tensor: shape=(2,), dtype=int32, numpy=array([ 8, 15], dtype=int32)>
>>> a2/a1
<tf.Tensor: shape=(2,), dtype=float64, numpy=array([2. , 1.66666667])>
>>> a2//a1
<tf.Tensor: shape=(2,), dtype=int32, numpy=array([2, 1], dtype=int32)>
>>> tf.math.divide(a2,a1)
<tf.Tensor: shape=(2,), dtype=float64, numpy=array([2. , 1.66666667])>
和numpy类似,经典的数学乘除号和math库里的multiply和divide是通用的,而linalg.matmul是矩阵乘法。可以利用这个函数实现一维数组的点积,但是要注意转置关系
>>> b1 = tf.constant([[2, 3]], dtype=tf.int32)
>>> b1
<tf.Tensor: shape=(1, 2), dtype=int32, numpy=array([[2, 3]], dtype=int32)>
>>> b2 = tf.constant([[4, 5]], dtype=tf.int32)
>>> b2
<tf.Tensor: shape=(1, 2), dtype=int32, numpy=array([[4, 5]], dtype=int32)>
>>> tf.linalg.matmul(b1,tf.transpose(b2))
<tf.Tensor: shape=(1, 1), dtype=int32, numpy=array([[23]], dtype=int32)>
>>> tf.linalg.matmul(tf.transpose(b2),b1)
<tf.Tensor: shape=(2, 2), dtype=int32, numpy=
array([[ 8, 12],
[10, 15]], dtype=int32)>
多维向量
多维向量是一维的扩展,但理解更烧脑,所以果断放弃。
Keras呢
Keras就是tensorflow,不过backend里有一个batch_dot很好用,好像没找到tensorflwo对应的函数。抽空看看转置矩阵乘是不是等价的。