Question

我正在尝试以下方法：

给定矩阵A（x，y，3）和另一个矩阵B（3,3），我想返回一个（x，y，3）矩阵，其中A的第三维乘以值B（类似当RGB图像转换为灰色时，只有那些＆＃34; RGB＆＃34;值乘以矩阵而不是标量）...

以下是我尝试的内容：

np.multiply(B, A)
np.einsum('ijk,jl->ilk', B, A)
np.einsum('ijk,jl->ilk', A, B)

所有这些都因尺寸未对齐而失败。

我错过了什么？

Answer 1

对于这种混乱感到抱歉，我认为你可以使用简单的numpy方法做这样的事情：

首先，你可以重塑A，使其纤维（或深度向量A [：，：，i]）作为列放在矩阵C中：

C = A.reshape(x*y,3).T

然后使用简单的矩阵乘法：

D = numpy.dot(B,C)

最后将结果带回原始尺寸：

D.T.reshape([x,y,3])

Answer 2

您可以使用np.tensordot -

np.tensordot(A,B,axes=((2),(1)))

einsum相当于 -

np.einsum('ijk,lk->ijl', A, B)

我们也可以使用A.dot(B.T)，但这会在引擎盖下循环。所以，可能不是最受欢迎的，但它是一个紧凑的解决方案，