矩阵矩阵乘法的函数numpy.dot（），@和方法.dot（）之间有什么区别？

Question

有什么区别吗？如果不是，按惯例首选什么？ 性能似乎几乎相同。

geneID1 A   C   C   C   C   C  
geneID2 T   T   T   T   T   T

Answer 1

他们基本上都在做同一件事。在计时方面，根据Numpy的文档here：

• 如果a和b都是一维数组，则它是向量的内积 （没有复杂的共轭）。

• 如果a和b均为二维数组，则为矩阵乘法，但是 最好使用matmul或a @ b。

• 如果a或b为0-D（标量），则等于乘和 最好使用numpy.multiply(a, b)或a * b。

• 如果a是一个N-D数组而b是一维数组，则它是 a和b的最后一个轴。

Answer 2

它们几乎相同，只是有一些例外。

a.dot(b)和np.dot(a, b)完全相同。参见numpy.dot和ndarray.dot。

但是，请查看numpy.dot的文档：

  

如果a和b均为二维数组，则为矩阵乘法，但最好使用matmul或a @ b。

a @ b对应于numpy.matmul(a, b)。 dot和matmul的区别如下：

  

matmul与dot在两个重要方面不同：

     

  
• 不允许使用标量进行乘法运算，而应使用*。
  
• 将矩阵堆栈一起广播，就好像矩阵是   元素，尊重签名(n,k),(k,m)->(n,m)：
  

>>> a = np.ones([9, 5, 7, 4])
>>> c = np.ones([9, 5, 4, 3])
>>> np.dot(a, c).shape (9, 5, 7, 9, 5, 3)
>>> np.matmul(a, c).shape (9, 5, 7, 3)
>>> # n is 7, k is 4, m is 3