矩阵乘法@,dot,multiply,matmul的区别与使用

分类

向量的内积，即点乘、数量积：np.dot(a,b)等价于a@b。两个向量对应位置相乘再相加，结果是一个标量。
向量的外积，即叉乘：np.cross(a,b)。结果是一个向量。

向量元素对应位置相乘：np.multiply(a,b)等价于a*b，相乘不相加。

1. 元素相乘：multiply(矩阵点乘)
2. 矩阵相乘:dot(矩阵叉乘)、matmul()、’@’
3. ’ * ': 是特别的。在数组操作中，作为元素相乘；在矩阵操作中作为矩阵相乘。

dot和matmul的区别：

1.形状要求有所不同
np.dot函数是用于执行标准的矩阵乘法。它要求两个矩阵形状必须匹配。尤其是第一个矩阵的列数与第二个矩阵的行数必须相等，否则无法执行乘法运算。如果两个矩阵形状不匹配，则会报错。
而np.matmul函数则更加灵活，它不仅支持标准矩阵乘法，还支持批量矩阵乘法。批量矩阵乘法通常用于处理多个输入矩阵的情况。在执行批量矩阵乘法时，np.matmul函数允许两个矩阵的形状不必完全相同，只要满足一定的要求即可。

2.数据类型转换不同
使用np.dot函数进行矩阵乘法运算时，如果两个矩阵的数据类型不同，那么np.dot函数会将它们转换为相同的数据类型，然后再执行乘法运算。这种数据类型转换可能会带来—些性能上的损失。
而np.matmul函数在执行乘法运算时则不进行数据类型转换。如果两个矩阵的数据类型不同，那么np.matmul函数会报错。因此，使用np.matmul函数时需要保证两个矩阵的数据类型相同。