Question

对于N维，dot是a的最后一个轴上的和积，b的倒数第二个：
dot(a, b)[i,j,k,m] = sum(a[i,j,:] * b[k,:,m])

我想计算a的最后一个轴和b倒数第二个轴的和积，但是没有在其余轴上形成笛卡尔积，因为剩下的轴是相同的形状。让我举一个例子来说明：

a = np.random.normal(size=(11, 12, 13))
b = np.random.normal(size=(11, 12, 13, 13))
c = np.dot(a, b)
c.shape # = (11, 12, 11, 12, 13)

但我希望形状为(11, 12, 13)。使用广播可以实现期望的效果

c = np.sum(a[..., None] * b, axis=-2)
c.shape # = (11, 12, 13)

但是我的阵列相对较大，我想使用并行BLAS实现的强大功能，np.sum似乎不支持但np.dot支持。关于如何实现这一点的任何想法？

Answer 1

您可以使用np.einsum -

c = np.einsum('ijk,ijkl->ijl',a,b)

Answer 2

您还可以使用np.matmul：

c = np.matmul(a[..., None, :], b)[..., 0, :]

这相当于Python 3.5 +中的the new @ operator：

c = (a[..., None, :] @ b)[..., 0, :]

性能没有太大差异 - 如果您的示例数组似乎有任何np.einsum速度稍微快一点：

In [1]: %%timeit a = np.random.randn(11, 12, 13); b = np.random.randn(11, 12, 13, 13)
   ....: np.einsum('...i,...ij->...j', a, b)
   ....: 
The slowest run took 5.24 times longer than the fastest. This could mean that an
intermediate result is being cached.
10000 loops, best of 3: 26.7 µs per loop

In [2]: %%timeit a = np.random.randn(11, 12, 13); b = np.random.randn(11, 12, 13, 13)
np.matmul(a[..., None, :], b)[..., 0, :]
   ....: 
10000 loops, best of 3: 28 µs per loop

`np.dot`在剩余的轴上没有笛卡尔积

2 个答案: