深度学习中常用乘法矩阵乘、点乘、内积

最新推荐文章于 2023-11-25 17:27:09 发布
最新推荐文章于 2023-11-25 17:27:09 发布
阅读量6.3k 收藏 21
点赞数 5
分类专栏： python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/mingo220/article/details/108486416
版权

1. 矩阵乘：

在这里插入图片描述

tensorflow: y=tf.matmul(w,x)
numpy: y=np.dot(w,x)

2. 外积（out product）:对应元素相乘

别称：点乘，哈达码积hadamard product

在这里插入图片描述

tensorflow: y=tf.multiply(w, x);  y=w * x
numpy: y = w * x

3. 内积（inner product）：对应元素相乘相加

别称：数量积（scalar product）

在这里插入图片描述

y=tf.reduce_sum(tf.multiply(a, b))
明子哥哥
关注
  • 5
    点赞
  • 踩
  • 21
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
对numpy 数组和矩阵的乘法的进一步理解
12-23
1、当为array的时候，默认d*f就是对应元素的乘积，multiply也是对应元素的乘积，dot（d,f）会转化为矩阵的乘积， dot点乘意味着相加，而multiply只是对应元素相乘，不相加 2、当为mat的时候，默认d*f就是矩阵的乘积，multiply转化为对应元素的乘积，dot（d,f）为矩阵的乘积 3、 混合时候的情况，一般不要混合 混合的时候默认按照矩阵乘法的, multiply转化为对应元素的乘积，dot（d,f）为矩阵的乘积 总结：数组乘法默认的是点乘，矩阵默认的是矩阵乘法，混合在一起默认的是矩阵乘法，multiply转化为对应元素的乘积，dot（d,f）会转化为矩阵的乘
pytorch 中涉及到矩阵之间的乘法（torch.mul, *, torch.mm, torch.matmul, @）
厚积而薄发
03-03 8126
最近在学习pytorch，过程中遇到一些问题，这里权当笔记记录下来，同时也供大家参考。 下面简单回顾一下矩阵中的乘法：（严谨的说，其实应该说是矩阵乘法和矩阵内积） 1、矩阵乘法   矩阵乘法也就是我们常说的矩阵向量积（也称矩阵外积、矩阵叉乘）       它要求前一个矩阵的行数等于后一个矩阵的列数，其计算方法是计算结果的每一行元素为前一个...
Matlab 高维矩阵与向量的点乘 （Permute）
01-06
Matlab 高维矩阵与向量的点乘 （Permute） 今天遇到一个问题，如何用一个n维的向量点乘一个m×k×nm\times k\times nm×k×n 的矩阵， 并避免用循环。Matlab矩阵实验室名不虚传，通过permute这个命令可以有效解决这个问题。因此记录下来，以备不时之需 （几年前遇到过同样的问题，但是没做笔记，所以这次一定要记下来）。 a = [1,2,3]; % 这里需要注意Matlab是按列存储的； test = repmat(a,3,1,3); % 把向量a复制成一个3*3*3的矩阵； 查看test矩阵 test(:,:,1)=[123123123],test(:,:
深度学习矩阵乘法的终极奥义einsum，结合多个计算框架上的使用
BoCong-Deng的博客
11-09 2616
einsum以一种优雅的方式，表示各种矩阵运算，好处在于你不需要去记和使用计算框架中（TensorFlow|PyTorch|Numpy）点积、外积、转置、矩阵-向量乘法、矩阵-矩阵乘法的函数名字和签名。从某种程度上解决引入不必要的张量变形或转置运算，以及可以省略的中间张量的现象。不仅如此，einsum有时可以编译到高性能代码，事实上，PyTorch最近引入的能够自动生成GPU代码并为特定输入尺寸自动调整代码的张量理解（Tensor Comprehensions）就基于类似einsum的领域特定语言。此外，可
矩阵乘法的四种理解方式
lijiankou的专栏
07-11 8571
先介绍向量的两种运算，一个行向量乘以一个列向量称作向量的内积，又叫作点积，结果是一个数； 一个列向量乘以一个行向量称作向量的外积，外积是一种特殊的克罗内克积，结果是一个矩阵， 假设和b分别是一个行向量和一个列向量，那么内积、外积分别记作和。 注意：外积在不同的地方定义方式不太一样，这里不详细讨论 定义了内积和外积以后，我们讨论矩阵的乘法。矩阵是由向量组成
花书笔记1——向量乘法、矩阵乘积（相乘）、内积、点积都是什么、Python代码实现、区别及联系
热门推荐
独步天秤的博客
01-30 2万+
目录 前言 向量 定义 与矩阵的关系 向量的乘法运算 矩阵 定义 矩阵乘积运算 Python代码 区别与联系 举例 总结 重点区别 点积与矩阵相乘的联系 前言 看“花书”的过程中碰到这样一句话 两个相同维数的向量x 和y 的点积（dot product）可看作是矩阵乘积x⊤y。 明明在讲矩阵相乘，怎么又扯到点积了？还有向量…… 之前学得懵懵懂懂，为了深度学...
深度学习数据相乘
weixin_42382758的博客
05-04 109
*dtype 😗*返回数组的类型，以及与元素相乘的累加器的类型。如果未指定dtype，则默认为arr的dtype，除非arr的整数dtype的精度小于默认平台整数的精度。**Return 😗*除非指定out，否则将返回保存结果的新数组，在这种情况下将返回该数组。[数组]包含需要累积乘积的数字的数组。**axis 😗*计算累积乘积的轴。默认值是计算展平数组的乘积。[ndarray，可选]将结果存储到的位置。->如果未提供或没有，则返回新分配的数组。->如果提供，则必须具有广播输入的形状。
矩阵乘法、点乘、点积、内积、叉积、外积
春天
11-25 4209
相乘，A，B为维度大小相同的矩阵，即A的行数=B的行数，A的列数=B的列数。相乘，A，B均为矩阵，A的维度为m*p，B的维度为p*n，则A*B的结果为m*n的矩阵。-------- (\times) – 叉积或笛卡尔积。-------- (\otimes) – 张量积。-------- (\bullet) – 点积。-------- (\cdot) – 点积。-------- (\circ) – 函数组合。相乘，A，B均为向量，相乘以后，得到一个标量。-------- (*) 卷积。
深度学习_加法&乘法层的实现
liming_2464的博客
07-23 1347
参考书：深度学习入门：基于Python的理论与实现 在深度学习中有一种高效计算权重参数梯度的方法----误差反向传播法。 可以通过画计算图，来帮助理解误差反向传播法。计算图的乘法节点称为乘法层，加法节点称为加法层。实现代码如下： class MulLayer: # 乘法类 def __init__(self): self.x = None self....
深度学习 点积的概念
Dontla的博客
08-27 623
两个向量a = [a1, a2,…, an]和b = [b1, b2,…, bn]的点积定义为： a·b=a1b1+a2b2+……+anbn。 参考文章: 点积
Tensorflow矩阵运算实例(矩阵相乘,点乘,行/列累加)
12-20
Tensorflow二维、三维、四维矩阵运算（矩阵相乘，点乘，行/列累加） 1. 矩阵相乘 根据矩阵相乘的匹配原则，左乘矩阵的列数要等于右乘矩阵的行数。 在多维（三维、四维）矩阵的相乘中，需要最后两维满足匹配原则。 ...
人工智能-深度学习模型
12-23
机器学习 与 深度学习 在训练数据中的区别 点乘与叉乘区别 深度学习模型 浅层与深层 关系 线性关系与非线性 权重和偏置 超参数（训练数据与可调整数据（var）） 误差其他说法 损失函数Loss fuction 预测值与真实值...
点积、叉积、内积、外积
gouqi2k的博客
07-14 1052
点积、叉积、内积、外积
数学知识 --- 乘积、点积、内积
m0_37468171的博客
07-11 3466
1、乘积 用于矩阵相乘，表示为C=A*B，A的列数与B的行数必须相同，C也是矩阵，C的行数等于A的行数，C的列数等于B的列数。Cij为A的第i行与B的第j列的点积。 2、点积 用于向量相乘，表示为C=A * B，A与B均为向量，C为标量，也称标量积、内积、数量积等。 数量积(dot product; scalar product，也称为点积、点乘)是接受在实数R上的两个向量并返回一个实数值标量的二...
矩阵内积运算法则_矩阵乘法和向量乘法
weixin_39837352的博客
11-30 8510
1. 矩阵乘法矩阵乘积(matrix product，也叫matmul product)： ， 的列数必须和 的行数相等， 。Hadamard product(又称element-wise product)：用 或者 表示， 对应元素相乘，二者维数必须相同，举例： Kronecker product(克罗内克积)：用 表示，两个任意大小矩阵间的运算， ， 的每个元素逐个与矩阵 ...
pytorch----矩阵乘法
weiwei935707936的博客
12-29 7565
torch中的矩阵乘法: 一.矩阵乘 二.矩阵乘 三.对应元素相乘 torch.mul: 和普通标量也是对应元素相乘: #输入张量和标量相乘 torch.mul(input, value, out=None) 例： >>> a = torch.randn(3) >>> a -0.9374 -0.5254 -0.6069 [torch.FloatTensor of size 3] >>> tor...
矩阵乘法的几种观点，内积外积的理解
Hesy_H的博客
12-08 1726
矩阵乘法
深度学习：标量、向量、张量，与内积，外积
qq_40797015的博客
12-07 873
1.click 2.click2
后端开发是一个涉及广泛技术和工具的领域.docx
最新发布
04-30
后端开发是一个涉及广泛技术和工具的领域，这些资源对于构建健壮、可扩展和高效的Web应用程序至关重要。以下是对后端开发资源的简要介绍： 首先，掌握一门或多门编程语言是后端开发的基础。Java、Python和Node.js是其中最受欢迎的几种。Java以其跨平台性和丰富的库而著名，Python则因其简洁的语法和广泛的应用领域而备受欢迎。Node.js则通过其基于JavaScript的单线程异步I/O模型，为Web开发提供了高性能的解决方案。 其次，数据库技术是后端开发中不可或缺的一部分。关系型数据库（如MySQL、PostgreSQL）和非关系型数据库（如MongoDB、Redis）各有其特点和应用场景。关系型数据库适合存储结构化数据，而非关系型数据库则更适合处理大量非结构化数据。 此外，Web开发框架也是后端开发的重要资源。例如，Express是一个基于Node.js的Web应用开发框架，它提供了丰富的API和中间件支持，使得开发人员能够快速地构建Web应用程序。Django则是一个用Python编写的Web应用框架，它采用了MVC的软件设计模式，使得代码结构更加清晰和易于维护。
3.实现矩阵的乘法与矩阵的点乘，比较结果！
06-09
矩阵的乘法和矩阵的点乘是两种不同的运算。矩阵的乘法是指两个矩阵的相乘，其结果是一个新的矩阵，而矩阵的点乘是指两个矩阵对应元素相乘，其结果也是一个新的矩阵。 下面是矩阵乘法和矩阵点乘的MATLAB实现和比较结果： ```matlab % 矩阵乘法 A = [1 2; 3 4]; B = [5 6; 7 8]; C = A * B; disp('矩阵乘法的结果：'); disp(C); % 矩阵点乘 D = A .* B; disp('矩阵点乘的结果：'); disp(D); ``` 输出结果为： ``` 矩阵乘法的结果： 19 22 43 50 矩阵点乘的结果： 5 12 21 32 ``` 可以看到，矩阵乘法和矩阵点乘的结果不同，因为它们的运算方式不同。 矩阵乘法是将第一个矩阵的每一行与第二个矩阵的每一列对应元素相乘，并将乘积相加得到新矩阵的每一个元素。而矩阵点乘是将两个矩阵对应元素相乘得到新矩阵的每一个元素。 需要注意的是，两个矩阵进行乘法运算时，第一个矩阵的列数必须等于第二个矩阵的行数，否则无法进行乘法运算。 希望这些信息对您有所帮助。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值