[英]Numpy dot product of 3D arrays with shapes (X, Y, Z) and (X, Y, 1)
[英]Dot product with shapes (x) and (x, y)
我真的對numpy陌生,因此在理解點積時遇到了一些麻煩。
我有這段簡單的代碼:
import numpy as np
A = np.ones((5))
B = np.ones((5,10))
A.dot(B)
# array([ 5., 5., 5., 5., 5., 5., 5., 5., 5., 5.])
A.dot(B).shape
# (10,)
我不明白這段代碼中發生了什么。 我有點困惑,因為(10,)
的形狀似乎不是列向量,因為轉置是相同的。
A
正在廣播嗎? 我認為應該將A
廣播為(5,5)
的形狀,因此可以將其乘以B
並返回一個形狀為(5,10)
的數組。 我怎么了?
Numpy在1d數組(形狀為(N,)
東西)和2d數組(矩陣)具有一列(形狀(N, 1)
)或一行(形狀(1, N)
又稱為列或行(1, N)
之間產生差異。向量。
>>> a = np.ones((5, 1))
>>> B = np.ones((5, 5))
>>> B.dot(a)
array([[ 5.],
[ 5.],
[ 5.],
[ 5.],
[ 5.]])
或用numpy 1.10取消安裝python 3.5:
>>> a = np.ones((5, 1))
>>> B = np.ones((5, 5))
>>> B @ a
array([[ 5.],
[ 5.],
[ 5.],
[ 5.],
[ 5.]])
如果具有一np.newaxis
數組,則可以使用np.newaxis
使其成為行或列向量:
>>> a = np.ones(5)
>>> B = np.ones((5, 5))
>>> B @ a[:, np.newaxis]
array([[ 5.],
[ 5.],
[ 5.],
[ 5.],
[ 5.]])
新的行和列:
>>> x = np.arange(5)
>>> B = x[:, np.newaxis] @ x[np.newaxis, :]
>>> B
array([[ 0, 0, 0, 0, 0],
[ 0, 1, 2, 3, 4],
[ 0, 2, 4, 6, 8],
[ 0, 3, 6, 9, 12],
[ 0, 4, 8, 12, 16]])
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.