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)
a@b.shape=(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