Question

我正在尝试使用张量进行矩阵乘法，但是我不确定如何使用Numpy进行乘法。我一直在尝试与np.tensordot()合作，但未能成功

以一种更简单的方式，如果我们要进行矩阵乘法，并且有一个向量v（Nx1）和一个矩阵S（NxN），我们就可以进行运算

v ^ TS V =>（1xN）（NxN）（Nx1）=>一个数字

v = np.ones((3,1))
S = np.ones((3,3))
y = v.T.dot(S).dot(v)
y.shape = (1) or ()

现在，我要执行以下操作：

让矩阵M（3x5）和张量Z（5x3x3）可以使我拥有
M ^ T Z M
其中（M ^ T Z）产生一个（5x3）矩阵，而M ^ T Z M产生一个（1x5）向量

M = np.ones((3,5))
Z = np.ones((5,3,3))
Y = <?> M.T * Z * M <?>
Y.shape = (5,) or (1,5)

有人知道如何在不使用Tensorflow的情况下使用Numpy吗？

Answer 1

我认为这可以计算出您想要的：

import numpy as np

M = np.ones((3, 5))
Z = np.ones((5, 3, 3))
# Multiply (5, 1, 3) x (5, 3, 3) x (5, 3, 1)
result = (M.T[:, np.newaxis] @ Z @ M.T[:, :, np.newaxis]).squeeze()
print(result)

输出：

[9. 9. 9. 9. 9.]

为了方便起见，我使用了@运算符，但是如果您更喜欢它或使用的是旧版Python，则可以将其替换为np.matmul：

result = np.matmul(np.matmul(M.T[:, np.newaxis], Z), M.T[:, :, np.newaxis]).squeeze()

numpy的矩阵和张量乘法

1 个答案: