我正在阅读numpy文档以获得更好的说明，当我遇到一个示例时，它不是很清楚。我从下面的numpy文档中复制了确切的示例：
a = np.arange(3*4*5*6).reshape((3,4,5,6))
b = np.arange(3*4*5*6)[::-1].reshape((5,4,6,3))
np.dot(a, b)[2,3,2,1,2,2]
问题是，np.dot(a,b)[2,3,2,1,2,2]的最后一行[2,3,2,1,2,2]在np.dot(a,b)之后是什么？
答案 0 :(得分：1)
编辑：我之前的回答是错误的！
如果使用np.dot将大于2度的数组“点缀”在一起，则必须指定要进行乘和求和的轴。
在此示例中，[2,3,2,1,2,2]是指分别在a和b中选择的轴的参考。
从文档中
如果a是一个N-D数组而b是一个M-D数组（其中M> = 2），则它是一个和 a的最后一个轴和b的倒数第二个轴上的乘积：
dot（a，b）[i，j，k，m] = sum（a [i，j ,:] * b [k，：，m]）
所以在我们的情况下，
a[2,3,2,:] = [342, 343, 344, 345, 346, 347]
b[1,2,:,2] = [249, 246, 243, 240, 237, 234]
当你点它们时，
np.dot([249, 246, 243, 240, 237, 234], [342, 343, 344, 345, 346, 347])
您得到499128
使用np.dot(a[2,3,2,:], b[1,2,:,2])或速记np.dot(a, b)[2,3,2,1,2,2]时您会得到相同的答案
当您不使用任何索引时，我的假设是您获得了上述内容的所有信息，因此c = np.dot(a, b)的反直觉维度
编辑＃2 形状为c的原因是，如果按照示例对c[2,3,2,1,2,2]进行索引，则会得到相应的答案499128