[英]Numpy multiply 3d matrix by 2d matrix
例如,我得到了形状(3,2,2)的矩阵A,例如
[
[[1,1],[1,1]],
[[2,2],[2,2]],
[[3,3],[3,3]]
]
形状(2,2)的矩阵B,例如,
[[1, 1], [0,1]]
我想实现形状c(3,2,2),如:
c = np.zeros((3,2,2))
for i in range(len(A)):
c[i] = np.dot(B, A[i,:,:])
这使
[[[2. 2.]
[1. 1.]]
[[4. 4.]
[2. 2.]]
[[6. 6.]
[3. 3.]]]
实现这一目标的最有效方法是什么?
谢谢。
使用np.tensordot
然后交换轴。 所以,使用其中一个 -
np.tensordot(B,A,axes=((1),(1))).swapaxes(0,1)
np.tensordot(A,B,axes=((1),(1))).swapaxes(1,2)
我们可以在交换轴后重塑A
到2D,使用带有np.dot
二维矩阵乘法,重塑和交换轴可能会获得边际性能提升。
计时 -
# Original approach
def orgapp(A,B):
m = A.shape[0]
n = B.shape[0]
r = A.shape[2]
c = np.zeros((m,n,r))
for i in range(len(A)):
c[i] = np.dot(B, A[i,:,:])
return c
In [91]: n = 10000
...: A = np.random.rand(n,2,2)
...: B = np.random.rand(2,2)
In [92]: %timeit orgapp(A,B)
100 loops, best of 3: 12.2 ms per loop
In [93]: %timeit np.tensordot(B,A,axes=((1),(1))).swapaxes(0,1)
1000 loops, best of 3: 191 µs per loop
In [94]: %timeit np.tensordot(A,B,axes=((1),(1))).swapaxes(1,2)
1000 loops, best of 3: 208 µs per loop
# @Bitwise's solution
In [95]: %timeit np.flip(np.dot(A,B).transpose((0,2,1)),1)
1000 loops, best of 3: 697 µs per loop
另一种方案:
np.flip(np.dot(A,B).transpose((0,2,1)),1)
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.