我在python中实现神经网络，作为反向传播的一部分，我需要将3D矩阵，称为A，维度(200, 100, 1)乘以2D矩阵，称之为W，维度{{1结果应该有尺寸(100, 200)。
A是错误向量，W是权重矩阵，产品用于计算前一层的更新。
我尝试使用(200, 200, 1)（matrix_multiply）解决它，我尝试将W重塑为（100,200,1）然后再乘以，但是抛出
from numpy.core.umath_tests。
我该如何解决这个问题？
答案 0 :(得分：3)
您可以使用np.tensordot，然后使用swapaxes或仅reshape或
np.tensordot(A,W,axes=((1),(0))).swapaxes(1,2)
np.tensordot(A,W,axes=((1),(0))).reshape(A.shape[0],W.shape[1],1)
或者，我们可以使用np.dot使用A的最后一个轴上的唯一切片，然后在矩阵乘法后延伸到3D -
A[:,:,0].dot(W)[...,None]
或者我们可以使用np.einsum -
np.einsum('ijk,jl->ilk',A,W)