我一直在看@Danita的答案（Vectorizing code to calculate (squared) Mahalanobis Distiance），它使用np.einsum来计算马氏距离的平方。在这种情况下，向量为：X的形状(m, n)，U的形状(k, n)，和T的形状(k, n, n)，那么我们可以写为：
diff = X[np.newaxis, :, :] - U[:, np.newaxis, :]
D = np.einsum('jik,jkl,jil->ij', diff, T, diff)我想做的是给X和T添加一个维度。确切地说，在我的例子中，形状为(m, n)的X，形状为(l, k, n)的U，形状为(l, k, n, n)的T。所以结果D的形状应该是(l, m, k)，
然而，由于我没有完全理解np.einsum，我对我的案例做了噩梦。有人能帮忙吗？
1条答案
按热度按时间kfgdxczn1#
我想你问的是broadcasting。在
np.einsumdocs中，它说可以使用省略号来控制广播。通过将...添加到您的下标，您可以指定希望它如何广播操作。像这样的东西应该做你想要的：注意：您在问题中说要将维度添加到
X和T，但您似乎将其添加到U和T。我的答案是后者。如果这是错误的，你必须切换diff = ...中的额外轴。