问题：
我有两组数据，分别为形状为 kxnxm 和 kxmxp 的A和B，分别为 k ， m < / strong>和 p 可能很大，因此，我真的想对它们上的所有进程进行矢量化处理。
我想在这两个数据集之间形成点积，以使A中的每个 kth 元素与B中的每个 kth 元素相加（以形成< strong> kxnxp 矩阵，在第m轴上点）。乍一看，在我看来，它就像是hadamard产品和点产品的组合（因此有标题），但我想不出一种方法来获得理想的结果。
作为参考，由于无法使向量化正常工作，因此我目前正在这样运行它：
for b, w in zip(biasList, weightsList):
z = np.asarray([np.dot(weightMatrix,activation) for weightMatrix, activation in zip(w,activation)])
显然没有进行向量化，因此性能也很差。
使用numpy点或numpy einsum（如此处显示：vectorized/broadcasted Dot product of numpy arrays with different dimensions）并不能达到预期的效果，因为它们似乎只能带来形状为 kxnxm 和的矩阵kxmxp ，通过对一对索引求和，得出大小为 kxnxkxp 的矩阵，或者对两个索引求和，得出 nxp 。
是否有一种有效的矢量化方法？