Question

我正在尝试用Python创建K MxN matrices，并用(M,N,K)和{{这两个矩阵存储在numpy C数组A中1}}，形状分别为B和(K, M)。第一个矩阵计算为(K,N)，其中C0 = a0.T x b0是a0的第一行，A是b1的第一行，第二个矩阵是{ {1}}，依此类推。

现在我正在使用for循环来计算矩阵。

由于操作是独立的，所以我想知道是否存在一些避免for循环的pythonic方法。也许我可以对代码进行矢量化处理，但是我看不到如何实现。

Answer 1

In [235]: A = np.random.random((10,800)) 
     ...: B = np.random.random((10,500)) 
     ...: C = np.zeros((800,500,10)) 
     ...: for k in range(10): 
     ...:     C[:,:,k] = A[k,:][:,None] @ B[k,:][None,:] 
     ...:                                                                            
In [236]: C.shape                                                                    
Out[236]: (800, 500, 10)

批处理矩阵乘积，然后转置

In [237]: np.allclose((A[:,:,None]@B[:,None,:]).transpose(1,2,0), C)                 
Out[237]: True

但是因为矩阵乘积轴的大小为1，并且没有其他求和，所以广播乘法也一样好：

In [238]: np.allclose((A[:,:,None]*B[:,None,:]).transpose(1,2,0), C)                 
Out[238]: True

执行时间大致相同

向量化Numpy 3D和2D阵列操作

1 个答案: