Question

我正在学习numpy并且对广播感到有点困惑，这是我的设置。我有两个矩阵

>>> y=np.array([1,2,3])
>>> v = np.array([1,2,3])
>>> r=np.reshape(v, (3, 1))

所以r是（3 * 1）矩阵，而y是秩1矩阵，形状为（3，）。

如果我做y.dot（r），我得到14，假设numpy在y上应用广播，使它（1 * 3）然后它用r（3 * 1）做点积，所以得到的矩阵将是1 * 1.

然而，当我执行r.dot（y）时，它会抛出错误。为什么它在这里做同样的事情呢？应该使y（1 * 3）和r为（3 * 1），它应该给出3 * 3矩阵。这个推理有什么问题？

Answer 1

正常广播不适用于np.dot。它的文档说：

对于N维，它是a的最后一个轴上的和积 b ::
的倒数第二位

y是(3,); r为(3,1)。

在y*r广告适用时，y会重新转换为(1,3)，结果为(3,3)。

在np.dot(y,r)中，y的最后一个轴是3，r的倒数第二个轴也是3，乘以和求和，形状为{ {1}}。请注意，如果(1,)以y开头，则结果为2d：

(1,3)

在In [445]: np.dot(y.reshape(1,3),r).shape Out[445]: (1, 1)中，np.dot(r,y)的最后一个轴是r，1的倒数第二个（仅）是y - 因此不匹配。

展开3会产生y：

(3,3)

Answer 2

它就像纸上的矩阵乘法一样，两个内部维度需要一致。因此，如果你想要一个3x3不仅r需要是形状（3,1），但y需要是形状（1,3）而不是（3，）

像这样：

In [60]: r.dot(y.reshape(1,-1))
Out[60]: 
array([[1, 2, 3],
       [2, 4, 6],
       [3, 6, 9]])

我觉得numpy应该推断这个，但我想＆＃34;明确比隐含更好＆＃34;