Numpy - 矩阵乘法

Numpy 元素级乘法

  • 可用multiply 函数或 * 运算符实现
m = np.array([[1,2,3],[4,5,6]])
m
# 显示以下结果:
# array([[1, 2, 3],
#        [4, 5, 6]])

n = m * 0.25
n
# 显示以下结果:
# array([[ 0.25,  0.5 ,  0.75],
#        [ 1.  ,  1.25,  1.5 ]])

m * n
# 显示以下结果:
# array([[ 0.25,  1.  ,  2.25],
#        [ 4.  ,  6.25,  9.  ]])

np.multiply(m, n)   # 相当于 m * n
# 显示以下结果:
# array([[ 0.25,  1.  ,  2.25],
#        [ 4.  ,  6.25,  9.  ]])

Numpy 矩阵乘法

  • 利用matmul函数做矩阵乘法
a = np.array([[1,2,3,4],[5,6,7,8]])
a
# 显示以下结果:
# array([[1, 2, 3, 4],
#        [5, 6, 7, 8]])
a.shape
# 显示以下结果:
# (2, 4)

b = np.array([[1,2,3],[4,5,6],[7,8,9],[10,11,12]])
b
# 显示以下结果:
# array([[ 1,  2,  3],
#        [ 4,  5,  6],
#        [ 7,  8,  9],
#        [10, 11, 12]])
b.shape
# 显示以下结果:
# (4, 3)

c = np.matmul(a, b)
c
# 显示以下结果:
# array([[ 70,  80,  90],
#        [158, 184, 210]])
c.shape
# 显示以下结果:
# (2, 3)
  • 利用 dot 函数做矩阵乘法
    如果矩阵是二维的,那么 dot 和 matmul 函数的结果是相同的
a = np.array([[1,2],[3,4]])
a
# 显示以下结果:
# array([[1, 2],
#        [3, 4]])

np.dot(a,a)
# 显示以下结果:
# array([[ 7, 10],
#        [15, 22]])

a.dot(a)  # you can call你可以直接对 `ndarray` 调用 `dot` 
# 显示以下结果:
# array([[ 7, 10],
#        [15, 22]])

np.matmul(a,a)
# array([[ 7, 10],
#        [15, 22]])

虽然这两个函数对于二维数据返回相同的结果,但在用于其他数据形状时,应该谨慎选择。

  • matmul 和 dot 函数有哪些异同?
    1.二者都是矩阵乘法。
    2.np.matmul中禁止矩阵与标量的乘法。
    3.在矢量乘矢量的內积运算中,np.matmul与np.dot没有区别。
    4.np.matmul中,多维的矩阵,将前n-2维视为后2维的元素后,进行乘法运算。
上一篇:Tensorflow基础:tf.matmul() 和tf.multiply() 的区别


下一篇:Delphi与Vista提供的UAC控制(1-代表资源编号,24-资源类型为RTMAINIFEST,最后用brcc32编译成资源文件)