Python中的几种乘法
一、numpy.dot
在numpy的官方教程中,dot()是比较复杂的一个,因为参数的不同可以实现等同于np.matmul() 或者 np.multiply()的作用
numpy.dot(a,b,out=None)
两个array之间的点乘。具体来说:
① 如果a和b都是一维的,那么结果就是普通的內积(inner product)。可以使用np.matmul 或者 a @ b 得到相同的答案。
# 1-D array
a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
result_ab = np.dot(a, b)
result_ba = np.dot(b, a)
print('result_ab: %s' %(result_ab))
print('result_ba: %s' %(result_ba))
结果如下(a,b参数的顺序不会影响结果,对应位置相乘):
result_ab: 32
result_ba: 32
image.png
② 如果a和b都是二维的,运算等同于矩阵乘法(Dot product)。可以使用np.matmul 或者 a @ b 得到相同的答案。
# 2-D array: 2 x 3
a = np.array([[1, 2, 3], [4, 5, 6]])
# 2-D array: 3 x 2
b = np.array([[1, 2], [3, 4], [5, 6]])
result_ab = np.dot(a, b)
result_ba = np.dot(b, a)
print('dot_result_ab:\n %s' %(result_ab))
print('dot_result_ba:\n %s' %(result_ba))
result_ab = np.matmul(a, b)
result_ba = np.matmul(b, a)
print('matmul_result_ab:\n %s' %(result_ab))
print('matmul_result_ba:\n %s' %(result_ba))
结果如下:
dot_result_ab:
[[22 28]
[49 64]]
dot_result_ba:
[[ 9 12 15]
[19 26 33]
[29 40 51]]
matmul_result_ab:
[[22 28]
[49 64]]
matmul_result_ba:
[[ 9 12 15]
[19 26 33]
[29 40 51]]
(1) 矩阵乘法,位置会改变答案。
(2) 使用matmul()结果相同
image.png
③ 如果 a 或者 b 中有一个是标量的,效果等价于np.multiply ,可以使用 multiply(a,b) 或者 a * b 也可以。
# 2-D array: 2 x 3
a = np.array([[1, 2, 3], [4, 5, 6]])
# 标量
b = 3
result_ab = np.dot(a,b)
print('result_ab:\n %s' %(result_ab))
multiply_result_ab = np.multiply(a,b)
print('multiply_result_ab:\n %s' %(multiply_result_ab))
答案如下:
result_ab:
[[ 3 6 9]
[12 15 18]]
multiply_result_ab:
[[ 3 6 9]
[12 15 18]]
(1)参数位置不会改变答案
(2)使用multiply或者 * 也可以
- ④ 如果a是 N-D 数组, b 是 1-D的数组,答案是,a和b最后一个轴的乘积。好像比较难以理解,看demo。
# 2-D array: 2 x 3
a = np.array([[1, 2, 3], [4, 5, 6]])
b = np.array([1,2,3])
result_ab = np.dot(a,b)
print('result_ab:\n %s' %(result_ab))
结果如下:
result_ab:
[14 32]
如果a的维度(3,3,3), b的维度 (3,) 【注意(3,)和(3,0)是不同的】,那么答案是(3,3)的维度
- ⑤ 如果a是N-D数组, b 是 M-D数组(M>2),答案为a的最后一个轴与a的倒数第二个轴的和。
这个可能实际使用的时候不多。
numpy的官方demo。
>>> a = np.arange(3*4*5*6).reshape((3,4,5,6))
>>> b = np.arange(3*4*5*6)[::-1].reshape((5,4,6,3))
>>> np.dot(a, b)[2,3,2,1,2,2]
499128
>>> sum(a[2,3,2,:] * b[1,2,:,2])
499128
二 、numpy.matmul
可以看dot的第二小点。
下面展示一下官方的函数:
image.png image.png
三、 numpy.multiply
可以看dot的第三小点。
image.png
image.png
四、还有需要注意的
- 对于array对象,*和np.multiply函数代表的是数量积,如果希望使用矩阵的乘法规则,则应该调用np.dot和np.matmul函数。
-
对于matrix对象,*直接代表了原生的矩阵乘法,而如果特殊情况下需要使用数量积,则应该使用np.multiply函数。
image.png
比较上图和下图的不同
image.png
网友评论