Numpy Matmul忽略了第一个轴

Question

我在形状（1000,5）的三维阵列中有一堆形状（5）的5维向量，其中每一个我想要乘以形状矩阵（6,5）。我会假设广播可以让我做

A = np.random.rand(1000, 5)
B = np.random.rand(1, 6, 5) # empty axis for broadcasting
np.matmul(B, A)

但这不能正常工作。有没有办法进行这种乘法，以便np.matmul（B，A）产生一个形状的输出（1000,6）？

Answer 1

如果你确实有这个：

A = np.random.rand(1000, 5)
B = np.random.rand(6, 5)

然后更简单的方法是

A @ B.T

或

A.dot(B.T)

记住矩阵多面板是内部产品，因此内部尺寸必须匹配（在这种情况下，为5）。通过转置.T，您可以交换6和5维度，以便按正确的顺序获取它们。

如果您不想玩这个订单（比如你有很多尺寸），你也可以随时用np.einsum明确设置轴

np.einsum('ij,kj->ik', A, B, optimize = True)

optimize的效果几乎与.dot()或@一样快，但目前只有在您不需要在输入上广播维度时才会有效（您不需要＆＃39} ;这里）。

Answer 2

我只想出答案。解决方案是将数组格式化为

A = np.ones((100, 5, 1))
B = np.ones((6, 5))
np.matmul(B, A)

广播出来了。希望这有帮助！