Question

我碰到了一个代码，该代码执行列表'A'的一般点积和numpy数组'B'。

A = [1,2,3,4,5,6]
B = np.arange(18).reshape(3, len(A))

result = np.dot (B,A)
result2 = np.dot (A,B)

np.dot(A,B)给出错误：“值错误：形状（6，）和（3,6）不对齐：6（dim 0）！= 3（dim 0）”

但是，np.dot (B,A)给出结果[70 196 322]。

您能帮助我理解为什么np.dot(B,A)有效但np.dot(A,B)无效的原因吗？

理想情况下，我希望仅当第一个矩阵的COLUMNS数与第二个矩阵的ROWS数相同时，点积才能工作。 B具有3行6列，A具有1行6列。因此，我希望np.dot(B,A)和np.dot(A,B)都不起作用。

Answer 1

通常，由于A和B的形状不同，因此此操作永远不会起作用。

然而，np.dot(B, A)起作用的原因是因为np.dot是vectorized。因此，实际上发生的是B的所有三个索引（np.dot，B[0]和B[1]）和B[2]都被调用A。 [70 196 322]的返回值是所有三个np.dot调用的结果，并合并为一个数组。

np.dot(A, B)给出错误的原因是，对索引为np.dot（例如，A）的np.dot(A[0], B)的调用仍然具有无效的形状。 / p>

Answer 2

np.dot(A, B)的基本规则是将A的最后一个轴与B的最后一个轴相匹配。在einsum表示法中，这是'ij，jk-> ik'，在共享'j'。

但是dot对于1d情况有明确的规则。

（6，）与（6，）产生标量（向量内部“点”积，a.b）

具有（6,3）的

（6，）产生（3，）（共享6）。

（3,6）与（6，）也可以。

但是（6，）失败并显示（3,6）（第2个6放置在错误的位置）。

matmul的作用相同，但讨论的是添加1号临时尺寸。

将数组与点乘积相乘

2 个答案: