Question

我试图了解numpy.tensordot命令的工作方式。我会在论坛上发布与此命令相关的其他问题。此外，axes (1,0)表示将axes 1 in a和axes 0 in b相加。因此，我沿a的轴1和沿b的零轴对项求和，并手动计算出答案，但结果却不同。可能是我对沿特定轴求和的理解是错误的。有人可以在下面的代码中解释我们如何获得最终结果吗？

a = numpy.array([[1,2],[3,4]]) b = numpy.array([[0,5],[-1,20]]) c = numpy.tensordot(a,b,axes=(1,0)) print(c) print("result") [[-2 45] [-4 95]]

Answer 1

In [432]: a=np.array([[1,2],[3,4]]); b=np.array([[0,5],[-1,20]])                
In [433]: np.tensordot(a,b,axes=(1,0))                                          
Out[433]: 
array([[-2, 45],
       [-4, 95]])

（1,0）表示a的轴1和b的轴0是乘积和轴。那只是正常的np.dot配对：

In [434]: np.dot(a,b)                                                           
Out[434]: 
array([[-2, 45],
       [-4, 95]])

我发现einsum标记更清晰：

In [435]: np.einsum('ij,jk->ik',a,b)                                            
Out[435]: 
array([[-2, 45],
       [-4, 95]])

无论如何，这是我们在学校中学到的矩阵产品-用手指指着a的行和b的行。

[[1*0+2*-1, 1*5+2*20], ...]

另一种表达方式-从einsum的表达形式扩展：

In [440]: (a[:,:,None]*b[None,:,:]).sum(axis=1)                                 
Out[440]: 
array([[-2, 45],
       [-4, 95]])

tensordot重塑和转置轴，旨在将问题减少为对np.dot的简单调用。然后根据需要重塑/转置。详细信息取决于axes参数。在您的情况下，无需重塑，因为您的规范与默认的dot动作匹配。

元组轴参数相对容易解释。还有标量轴的情况（0、1,2等），这有点棘手。我在另一篇文章中对此进行了探讨。

numpy.tensordot命令如何工作？此命令中的轴求和是什么意思？

1 个答案: