我对张量代数不是很熟悉，并且在理解如何使numpy.tensordot做我想做的事情时遇到困难。
我正在使用的示例很简单：给定一个张量为a的张量(2,2,3)和另一个b形状为(2,1,3)的张量，我想要一个结果张量{{1 }}，形状为c。该张量将是以下等效的python代码的结果：
(2,1)文档说可选参数n = a.shape[2]
c = np.zeros((2,n))
for k in range(n):
c += a[:,:,k]*b[:,:,k]
：
如果为int N，则按顺序对a的最后N个轴和b的前N个轴求和。相应轴的大小必须匹配。
但是我不明白这里需要哪些“轴”（此外，当轴是一个元组或一个元组的元组时，它会变得更加混乱）。例子对我也不是很清楚。
答案 0 :(得分：1)
采用tensordot works的方式，由于沿第一个轴的对齐要求，因此在这里（至少不能直接使用）不起作用。您可以使用np.einsum解决问题-
c = np.einsum('ijk,ilk->ij',a,b)
或者，使用np.matmul / @-operator（Python 3.x）-
np.matmul(a,b.swapaxes(1,2))[...,0] # or (a @ b.swapaxes(1,2))[...,0]