Question

我有两个矩阵A，B，NxKxD维度，我想得到矩阵C，NxKxDxD维度，其中C [n，k] = A [n，k] x B [n，k] .T（这里＆＃ 34; x＆＃34;表示维度为Dx1和1xD的矩阵的乘积，因此结果必须是DxD维度），所以现在我的代码看起来像这样（这里A = B = X）：

def square(X):
    out = np.zeros((N, K, D, D))
    for n in range(N):
        for k in range(K):
            out[n, k] = np.dot(X[n, k, :, np.newaxis], X[n, k, np.newaxis, :])
    return out

对于大N和K来说可能会很慢，因为python是循环的。有没有办法在一个 numpy 函数中进行这种乘法？

Answer 1

您似乎没有使用np.dot进行总和缩减，而只是用于导致广播的扩展。因此，您可以简单地使用np.newaxis / None扩展数组以获得一个维度，并让隐式广播帮助。

因此，实现将是 -

X[...,None]*X[...,None,:]

有关广播的更多信息，具体如何添加新轴可以在this other post中找到。

多维矩阵中向量的点积（python，numpy）

1 个答案: