对于这些类型的操作，np.einsum是完美的。以下是你想要的吗？

B = np.einsum('ij,jkl->ikl', A, X)
print(B.shape) # (3,4,4)

字符串ij,jkl->ikl表示：

• A分别具有索引（维度）i和j
• X的索引分别为j、k和l
• ->ikl乘以A[i,j]*X[j,k,l]并对j求和

您可以通过使用numpy点积函数np.dot（）并对数组进行适当的整形来获得所需的结果。下面是一个示例代码片段，演示了如何执行矩阵乘法和重新塑造数组：

import numpy as np

# Create the input arrays
array_5x4x4 = np.random.random((5, 4, 4))
array_3x5 = np.random.random((3, 5))

# Perform the matrix multiplication
result = np.dot(array_3x5, array_5x4x4.reshape(5, -1))

# Reshape the result array to the desired shape
result = result.reshape(3, 4, 4)

# Print the result
print(result)

在这个例子中，array_5x4x4是你的原始ndarray的形状（5，4，4），和array_3x5是矩阵的形状（3，5）包含系数的线性组合。np.dot（）函数执行矩阵乘法，我们使用array_5x4x4.reshape（5，-1）将array_5x4x4整形为形状为（5，16）的2D数组，这使得点积与array_3x5兼容。最后，我们将得到的数组整形为所需的形状（3，4，4）。