你可以通过广播达到预期的效果。第一个尺寸对齐，其他尺寸可以使用None引入的单位尺寸强制为正确的形状：

t = s[:, :, None] * s[:, None, :]

你可以在没有循环的情况下实现你的原始方法，方法是给输出的元素分配广播，然后只对最后一个维度进行转置：

output = np.empty((seq.shape[0], seq.shape[1], seq.shape[1]), seq.dtype)
output[:] = seq[..., None]
output *= output.transpose(0, 2, 1)

你没有给予任何数字或例子，所以我编了一个小的（如果它不适合你的实际情况，你必须告诉我）。
考虑以下情况：

import numpy as np

nseqs = 4
seq_length = 5

seq = np.arange(nseqs*seq_length).reshape(nseqs, seq_length)

从内部循环开始，我们可以使用广播来实现同样的事情。

output = np.empty((nseqs, seq_length, seq_length))
for n in range(nseqs):
    output2[n] = seq[n,None]
    output[n, :, :] *= output[n, :, :].T

现在，乘法实际上不会影响后续的循环，所以我们可以将其分为两个循环。

output = np.empty((nseqs, seq_length, seq_length))
for n in range(nseqs):
    output2[n] = seq[n,None]
for n in range(nseqs):
    output[n, :, :] *= output[n, :, :].T

第一个循环的广播只是在每个子矩阵中重复seq[n]的元素，所以我们可以使用np.repeat得到相同的结果。

output = np.repeat(seq[:,None], seq_length, axis=1)

第二个循环是子矩阵output[n]乘以它的转置。这可以使用np.swapaxes来完成，交换最后两个轴（即执行子矩阵的转置）。

output *= np.swapaxes(output, 1, 2)

最后，你的代码缩减为：

output = np.repeat(seq[:,None], seq_length, axis=1)
output *= np.swapaxes(output, 1, 2)