import numpy as np
一维向量与一维向量
#------------一维向量与一维向量------------------#
vec1 = np.array([1, 2, 3])
vec2 = np.array([4, 5, 6])
# np.inner() 对应位置的元素相乘相加求和
res_inner1 = np.inner(vec1, vec2) # 32
# * 对应位置的元素相乘 成为新矩阵该位置的元素
res_star1 = vec1 * vec2 # [4,10,8]
# np.dot() 对两个一维向量相当于 np.inner()
res_dot1 = np.dot(vec1, vec2) # 32
res_mult1 = np.dot(vec1, vec2.T) # 32
res_mult11 = np.dot(vec1.T, vec2) # 32
二维矩阵与一维向量
#-----------二维矩阵与一维向量--------------#
x2 = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
theta_x2 = np.array([10, 100, 1000])
# np.inner() 每一行的对应元素与向量相乘求和 最后结果为x2各行向量与theta_x2点积结果 组成的行向量
res_inner2 = np.inner(x2, theta_x2) # [3210, 6540, 9870]
# * 对应位置的元素相乘 成为新矩阵该位置的元素
res_star2 = x2 * theta_x2 # [10 200 3000]
# [40 500 6000]
# [70 800 9000]
# np.dot() 相当于np.inner()
res_dot2 = np.dot(x2, theta_x2) # [3210, 6540, 9870]
二维矩阵与二维矩阵
#------------二维矩阵与二维矩阵--------------------#
x3 = np.array([[1, 3, 5], [2, 4, 6], [9, 9, 9]])
theta_x3 = np.array([[1, 1, 1], [10, 10, 10], [100, 100, 100]])
# np.inner() 没懂
res_inner3 = np.inner(x3, theta_x3) # [9 90 900]
# [12 120 1200]
# [27 270 2700]
# * 对应位置的元素相乘 成为新矩阵该位置的元素
res_star3 = x3 * theta_x3
# np.dot() 矩阵乘法
res_dot3 = np.dot(x3, theta_x3) # [531 531 531]
# [642 642 642]
# [999 999 999]