Question

在NumPy中，可以指定名为np.dot的{{1}}和np.multiply的参数，以便他们不会创建新的返回结果时的数组。但是，在我的用例中，我需要计算以下内容：

out
c = c + np.dot(a, b) # where a and b are matrices of shape n x m, and m x p

有没有办法在不创建新数组的情况下每次都这样做？例如，像这样：

c = c + np.multiply(a, b) # where a and b are matrices of equal shape n x m
np.dot(a, b, add_to=c)

Answer 1

似乎是一个完美的设置，可以利用scipy.linalg.blas支持的blas包装器，它支持矩阵乘法并累积到现有数组中。

因此，对于第一个dot问题，我们可以简单地使用他们的sgemm (single-precision)/dgemm (double-precision)，就像这样 -

from scipy.linalg.blas import dgemm, sgemm

dgemm(alpha=1.0, a=a, b=b, c=c, beta=1.0)

格式为C = alpha*(a x b) + beta*C。

*：元素乘法

x：矩阵乘法

示例运行 -

1）设置输入：

In [549]: a = np.random.randint(0,9,(3,4))
     ...: b = np.random.randint(0,9,(4,5))
     ...: c = np.random.randint(0,9,(3,5))
     ...: 

In [550]: c
Out[550]: 
array([[2, 4, 7, 6, 1],
       [8, 7, 2, 1, 7],
       [4, 3, 5, 4, 4]])

2）制作输出数组的副本以供以后测试：

In [551]: c_copy1 = c.copy()

3）在原始输出数组上使用np.dot：

In [552]: c = c + np.dot(a, b)

In [553]: c
Out[553]: 
array([[88, 94, 75, 66, 93],
       [55, 51, 55, 38, 65],
       [61, 51, 25, 45, 68]])

3）在副本上使用dgemm -

In [554]: dgemm(alpha=1.0, a=a, b=b, c=c_copy1, beta=1.0)
Out[554]: 
array([[ 88.,  94.,  75.,  66.,  93.],
       [ 55.,  51.,  55.,  38.,  65.],
       [ 61.,  51.,  25.,  45.,  68.]])

请注意，如果您在迭代中执行此操作，我们需要将其分配回输出数组。

对于第二个问题，同样我们可以使用同一模块中的saxpy/daxpy。 this other post中已经涵盖了其他一些替代方案。

NumPy将np.dot或np.multiply的输出添加到现有数组

1 个答案: