为什么numpy向量矩阵点积会删除多余的零

Question

我正在将点积运算应用于矩阵m（2,6）和向量v（6，）

所得向量应为形状（6，）

当我自己在python中实现逻辑时，我得到了上面要求的结果。 一个大小为6的向量。但是，如果我使用np.dot（m，v），则会得到相同的结果，但会删除多余的零

为什么会这样呢？ 请帮助。 下面的代码

def vector_matrix_multiplication_using_numpy(m, v):
    ''' 
        this is where we multiply a matrix with a vector
        remember it is important that m.shape[1] == v.shape[0]
        also m is a 2D tensor

        resultant will be a vector of the shape
        (m.shape[0])

    '''
    assert len(m.shape) == 2
    assert len(v.shape) == 1
    assert m.shape[1] == v.shape[0]

    return np.dot(m,v)





def vector_matrix_multiplication_using_python(m, v):
    ''' 
        this is where we multiply a matrix with a vector
        remember it is important that m.shape[1] == v.shape[0]
        also m is a 2D tensor

        resultant will be a vector of the shape
        (m.shape[0])

    '''
    assert len(m.shape) == 2
    assert len(v.shape) == 1
    assert m.shape[1] == v.shape[0]

    z = np.zeros((m.shape[1])).astype(np.int32)

    for i in range(m.shape[0]):
        z[i] = vector_multiplication_using_python(m[i, :],v)

    return z


    m = np.random.randint(2,6, (3,7))
    v = np.random.randint(5,17, (7))
    print(vector_matrix_multiplication_using_numpy(m,v),\
                vector_matrix_multiplication_using_python(m, v))

输出如下：

[345 313 350] [345 313 350   0   0   0   0]

编辑：

我不正确。 向量乘法矩阵如下所示m =（n，p）形状v =（p，）形状

结果输出为v =（n）形状，此代码中的特定编辑解决了以下问题：

z = np.zeros((m.shape[0])).astype(np.int32)

Answer 1

当我打印示例时，m和v形状如下：m： (3, 7) 3，7 (3, 7) n： (7,) numpy点积输出如下：

[305 303 319]

这实际上是正确的，因为您看到输出的shape（3x7）点shape（7）==> shape（3，）形状。 所以这是正确的。 然后，您的python实现一定有问题。 我要求您分享整个代码或亲自研究一下。 希望能帮助到你。 随时询问您是否还有其他问题。 :)

编辑：

请注意，您在这里做错了。

z = np.zeros((m.shape[1])).astype(np.int32)

您在此处分配7个零，您的输出使用前三位数字，其余零保持不变。 因此，要回答您的问题，numpy不会删除零，而是要添加额外的零，这是错误的！

您可以执行z = np.zeros((m.shape[0])).astype(np.int32) ，我认为这将解决问题。 :)干杯！