Numpy矩阵乘法广播

yhqotfr8 于 2023-08-05 发布在其他

关注(0)|答案(3)|浏览(91)

我有一个由N个3x3数组组成的数组（一个矩阵集合，尽管数据类型是np.ndarray），我有一个由N个3x1数组组成的数组（一个向量集合）。我想做的是将每个矩阵乘以每个向量，所以我希望得到N个3x1数组。
简单的例子：

A = np.ones((6,3,3))
B = np.ones((6,3,1))
np.dot(A,B) # This gives me a 6x3x6x1 array, which is not what I want
np.array(map(np.dot,A,B)) # This gives me exactly what I want, but I don't want to have to rely on map

字符串
我已经尝试了各种整形，探索了einsum等，但不能让它以我想要的方式工作。我如何让这个工作与numpy广播？这个操作最终将需要执行数千次，我不希望map或列表解析操作减慢速度。

numpy

来源：https://stackoverflow.com/questions/26849910/numpy-matrix-multiplication-broadcast

3条答案

按热度按时间

7gyucuyw1#

您可以使用np.einsum来计算点积并创建所需形状的矩阵：

np.einsum('ijk,ikl->ijl', A, B)

字符串

赞(0）回复(0）举报 2023-08-05

pdtvr36n2#

可以使用Python 3.5或更高版本中的内置矩阵乘法，在PEP 465中引入。

$ python --version
Python 3.6.6

>>> import numpy as np
>>> A = np.ones((6,3,3))
>>> B = np.ones((6,3,1))
>>> C = A @ B
>>> print(C)
[[[3.]
  [3.]
  [3.]]

 [[3.]
  [3.]
  [3.]]

 [[3.]
  [3.]
  [3.]]

 [[3.]
  [3.]
  [3.]]

 [[3.]
  [3.]
  [3.]]

 [[3.]
  [3.]
  [3.]]]

字符串

赞(0）回复(0）举报 2023-08-05

nqwrtyyt3#

A = np.random.rand(6, 3, 3)
B = np.random.rand(6, 3, 1)
C = np.array(map(np.dot, A, B))
D = np.sum(A*B.swapaxes(1, 2), axis=2)[..., None]
assert np.allclose(C, D)
assert C.shape == D.shape == (6, 3, 1)

字符串
“allclose”是因为两种方法之间存在1 e-16量级的浮点舍入差异。
.swapaxis和[...，None]只是为了让数组符合您指定的形状。你也可以更简单地表示它：

A = np.random.rand(6, 3, 3)
B = np.random.rand(6, 3)
C = np.array(map(np.dot, A, B))
D = np.sum(A*B[:, None, :], axis=2)
assert np.allclose(C, D)
assert C.shape == D.shape == (6, 3)

型

赞(0）回复(0）举报 2023-08-05

我来回答

Numpy矩阵乘法广播

3条答案

相关问题

热门标签

最新问答