为什么numpy.dot是numpy.dot（a，b）的错误，但有numpy.dot（b，a）的输出？

Question

我试图理解为什么numpy的点函数表现得像：

t1 = np.array( [1, 0] )
t2 = np.array( [ [7,6],
                 [7,6],
                 [7,6],
                 [7,6]] )

np.dot（t1，t2）由于错误的矩阵乘法而出错：

  

ValueError：形状（2，）和（4,2）未对齐：2（暗淡0）！= 4（暗淡0）

这是对的。我能理解。但为什么 np.dot（t2，t1）输出而不是 np.dot（t1，t2）的相同错误？不同的参数顺序的解释方式不同。

  

[7 7 7 7]

感谢。

Answer 1

请参阅documentation：

函数引发ValueError：

如果a的最后一个维度与b的倒数第二个维度的大小不同。

请注意，您不仅使用1D数组：

In [6]: t1.ndim
Out[6]: 1

In [7]: t2.ndim
Out[7]: 2

因此，t2是一个2D数组。 您还在t2.shape的输出中看到了这一点：（4,2）表示两个维度为（2，）是一维。

{1}和2D阵列的np.dot行为不同（来自docs）：

  

对于二维阵列，它相当于矩阵乘法，对于1-D   数组到向量的内积

这就是你得到不同结果的原因，因为你正在混合1D和2D数组。由于t2是一个二维数组，np.dot(b, a)尝试矩阵乘法，而np.dot(a, b)尝试内部产品，这会失败。

在矩阵乘法的情况下（参考docs）：第二个参数是1-D，它通过在其维度上附加1来提升为矩阵。在矩阵乘法之后，移除附加的1。简单来说，t2形状是（4,2），t1形状是（2，）。 t1为1D，t1的形状转换为（2,1），并且去除矩阵乘法1之后。因此，如果你将存储点积的输出，你可以检查形状将是（4，）。

t = np.dot(t2,t1)
t.shape

t.shape
Out[57]: (4,)