浅谈numpy 中dot()函数的计算方式

时间:2022-09-08 08:25:45

如下所示:

?
1
2
3
4
5
6
7
8
a = np.arange(1, 5).reshape(2, 2)
b = np.arange(2, 6).reshape(2, 2)
c = a * b
dot = np.dot(a, b)
print(a)
print(b)
print(c)
print(dot)

打印出a

[[1 2]

[3 4]]

打印出b

[[2 3]

[4 5]]

a * b 每个相对位置的数值相乘1*2=2,2*3=6,3*4=12,4*5=20.比较简单,自己脑补一下

[[ 2 6]

[12 20]]

a.dot(b)也可以下成下面的那种形式,看你喜欢了.关键是算法

?
1
np.dot(a,b)

[[10 13]

[22 29]]

10=1*2+2*4 a[1][1]*b[1][1]+a[1][2]*b[2][1]

13=1*3+2*5

22=3*2+4*4

29=3*3+4*5 a[2][1]*b[1][2]+a[2][2]*b[2][2]

就这样了,规律自己找~

补充:Numpy矩阵乘积函数(dot)运算规则解析

np.dot(A, B)

A为二维m*n的举证,B必须为n*l的矩阵,l两个矩阵的n必须一致,也就是说A有多少列,B就必须有多少行,否则无法运算。结果得到m*l的矩阵

?
1
m*l = np.dot(m*n,n*l),m n l指维度,得到m*l的矩阵

运算顺序如下图:

浅谈numpy 中dot()函数的计算方式

程序演示如下:

?
1
2
3
4
import numpy as np
A = [[1, 2, 3], [4, 5, 6]]
B = [[3, 2], [4, 3], [4, 3]]
print(np.dot(A, B))

结果:

[[23 17]

[56 41]]

如果A和B的形状交换会怎么样呢?

?
1
2
3
4
import numpy as np
A = [[1, 2, 3], [4, 5, 6]]
B = [[3, 2], [4, 3], [4, 3]]
print(np.dot(B, A))

结果是这样哟!不是说形状一定是变小哟

[[11 16 21]

[16 23 30]

[16 23 30]]

这是A和B的形状不一样:

?
1
2
3
4
import numpy as np
A = [[1, 2, 3], [4, 5, 6]]
B = [[3], [4], [4]]
print(np.dot(A, B))

结果如下:

[[23]

[56]]

以上为个人经验,希望能给大家一个参考,也希望大家多多支持服务器之家。如有错误或未考虑完全的地方,望不吝赐教。

原文链接:https://blog.csdn.net/nulijiushimeili/article/details/80253557