终于到嘤国了,随手先水篇文章找找感觉吧
关于numpy中的np.dot
- Numpy中dot()函数主要功能有两个:向量点积和矩阵乘法
- x.dot(y) 等价于 np.dot(x,y) ———x是m*n 矩阵 ,y是n*m矩阵,则x.dot(y) 得到m*m矩阵。
- 如果处理的是一维数组,则得到的是两数组的內积。
- 如果处理的是二维数组(矩阵),则得到的是矩阵积
- np.dot(x, y), 当x为二维矩阵,y为一维向量,这时y会转换一维矩阵进行计算
- np.dot(x, y)中,x、y都是二维矩阵,进行矩阵积计算
注意:矩阵积计算不遵循交换律,np.dot(x,y) 和 np.dot(y,x) 得到的结果是不一样的。
代码1:(x为二维矩阵,y为一维向量)
import numpy as np
x=np.arange(0,5)
y=np.random.randint(0,10,size=(5,1))
print (x)
print (y)
print ("x.shape:"+str(x.shape))
print ("y.shape"+str(y.shape))
print (np.dot(x,y))
[0 1 2 3 4]
[[3]
[7]
[2]
[8]
[1]]
x.shape:(5,)
y.shape(5, 1)
[39]
代码2:(x、y都是二维矩阵,进行矩阵积计算)
import numpy as np
x=np.arange(0,6).reshape(2,3)
y=np.random.randint(0,10,size=(3,2))
print (x)
print (y)
print ("x.shape:"+str(x.shape))
print ("y.shape"+str(y.shape))
print (np.dot(x,y))
[[0 1 2]
[3 4 5]]
[[7 5]
[0 7]
[6 2]]
x.shape:(2, 3)
y.shape(3, 2)
[[12 11]
[51 53]]