Question

我有两个numpy数组：形状（b，i）的 A 和形状（b，o）的 B 。我想计算一个形状（b，i，o）的数组 R ， R 的每一行 l 都包含 A 的行 l 和 B 的行 l 。到目前为止我所拥有的是：

import numpy as np

A = np.ones((10, 2))
B = np.ones((10, 6))
R = np.asarray([np.outer(a, b) for a, b in zip(A, B)])
assert R.shape == (10, 2, 6)

我认为这个方法太慢了，因为zip和最终转换成numpy数组。

有更有效的方法吗？

Answer 1

numpy.matmul可以实现这一点，它可以实现＆＃34;矩阵堆栈的乘法＆＃34;。在这种情况下，我们希望将一堆列向量与一堆行向量相乘。首先将矩阵A带到形状（b，i，1），将B带到形状（b，1，o）。然后使用matmul执行b次外部产品：

import numpy as np

i, b, o = 3, 4, 5

A = np.ones((b, i))
B = np.ones((b, o))

print(np.matmul(A[:, :, np.newaxis], B[:, np.newaxis, :]).shape)  # (4, 3, 5)

另一种方法是使用numpy.einsum，它可以直接代表您的索引符号：

np.einsum('bi,bo->bio', A, B)

Answer 2

为什么不简单

A[:, :, None] * B[:, None, :]

根据您的约定和您的dtype，您可能需要在某处投入另一个np.conj。请注意，np.newaxis只是None

Numpy - 两个矩阵的行外积

2 个答案: