对于2D矩阵X（形状(m,n)），我正在尝试计算X.T * X，其中*是矩阵乘法。 Following the explanation on this post我希望能够使用np.einsum('ji,ik->jk', X, X)在LHS写作ji上首先获取第一个X参数的转置，然后将其乘以第二个X (m,n) = (3,4)论证。
这不适用于错误（对于ValueError: operands could not be broadcast together with remapped shapes [original->remapped]: (4,3)->(4,newaxis,3) (4,3)->(3,4)）：
np.einsum('ij,jk->ik', X.T, X)
但这可行：void foo(int *p, int n) {
for (int i = 0; i <= n ; i++) {
p[i] = i/4;
}
}
。我在这里错过了什么？为什么它甚至在中间添加一个轴？
答案 0 :(得分：4)
使用X.T * X（*为矩阵乘法），您将第一个X's transpose的第二个轴与第二个X的第一个轴相减。现在，第一个X's transpose的第二个轴与第一个X的第一个轴相同。因此，我们简单地将第一个轴与这两个X's相减，而其余的轴保持不变。
要在einsum上复制它，保持字符串符号中的第一个字符相同，而两个输入的第二个轴不同，如下所示 -
np.einsum('ji,jk->ik', X, X)
因此，j's总和减少，而剩余的轴 - i和k保留在输出中。
同样，这将比原生矩阵乘法慢X.T.dot(X)。但是，我猜这篇文章更像是einsum的学习内容。