python 三维矩阵乘以二维矩阵_如何将一个二维数组和一个三维数组矩阵相乘得到一个三维数组？...

问题是numpy把多维数组看作矩阵的栈，最后两个维总是假定为线性空间维。这意味着点积不能通过折叠3d数组的第一个维度来工作。在

相反，你能做的最简单的事情就是把你的3d数组重塑成2d数组，做矩阵乘法，然后再重新整形成3d数组。这也将使用优化的BLAS代码，这是numpy的一大优势。在import numpy as np

S_pinv = np.random.rand(3, 4)

images = np.random.rand(4, 5, 6)

# error:

# (S_pinv @ images).shape

res_shape = S_pinv.shape[:1] + images.shape[1:] # (3, 5, 6)

res = (S_pinv @ images.reshape(images.shape[0], -1)).reshape(res_shape)

print(res.shape) # (3, 5, 6)

所以我们用(3,n) x (n,h,w)代替(3,n) x (n, h*w) -> (3, h*w)，我们把它改回(3, h, w)。重塑是免费的，因为这并不意味着对内存中的数据进行任何实际操作(只是对数组下的单个内存块的重新解释)，正如我所说的，适当的矩阵乘积在numpy中得到了高度优化。在

既然您要求一种更直观的方法，这里有一种利用^{}的替代方法。它可能会慢一些，但如果你稍微习惯它的符号，它是非常透明的：

^{pr2}$

这个符号命名了输入数组的每个维度：对于S_pinv，第一个和第二个维度分别命名为t和{}，类似地，n，h和{}表示{}。输出被设