您好,登錄后才能下訂單哦!
這篇文章主要介紹NumPy如何實(shí)現(xiàn)矩陣乘法,文中介紹的非常詳細(xì),具有一定的參考價(jià)值,感興趣的小伙伴們一定要看完!
NumPy 支持的幾類矩陣乘法也很重要。
你已看過了一些元素級(jí)乘法。你可以使用 multiply 函數(shù)或 * 運(yùn)算符來實(shí)現(xiàn)?;仡櫼幌拢雌饋硎沁@樣的:
m = np.array([[1,2,3],[4,5,6]]) m # 顯示以下結(jié)果: # array([[1, 2, 3], # [4, 5, 6]]) n = m * 0.25 n # 顯示以下結(jié)果: # array([[ 0.25, 0.5 , 0.75], # [ 1. , 1.25, 1.5 ]]) m * n # 顯示以下結(jié)果: # array([[ 0.25, 1. , 2.25], # [ 4. , 6.25, 9. ]]) np.multiply(m, n) # 相當(dāng)于 m * n # 顯示以下結(jié)果: # array([[ 0.25, 1. , 2.25], # [ 4. , 6.25, 9. ]])
要獲得矩陣乘積,你可以使用 NumPy 的 matmul 函數(shù)。
如果你有兼容的形狀,那就像這樣簡(jiǎn)單:
a = np.array([[1,2,3,4],[5,6,7,8]]) a # 顯示以下結(jié)果: # array([[1, 2, 3, 4], # [5, 6, 7, 8]]) a.shape # 顯示以下結(jié)果: # (2, 4) b = np.array([[1,2,3],[4,5,6],[7,8,9],[10,11,12]]) b # 顯示以下結(jié)果: # array([[ 1, 2, 3], # [ 4, 5, 6], # [ 7, 8, 9], # [10, 11, 12]]) b.shape # 顯示以下結(jié)果: # (4, 3) c = np.matmul(a, b) c # 顯示以下結(jié)果: # array([[ 70, 80, 90], # [158, 184, 210]]) c.shape # 顯示以下結(jié)果: # (2, 3)
如果你的矩陣具有不兼容的形狀,則會(huì)出現(xiàn)以下錯(cuò)誤:
np.matmul(b, a) # 顯示以下錯(cuò)誤: # ValueError: shapes (4,3) and (2,4) not aligned: 3 (dim 1) != 2 (dim 0)
有時(shí)候,在你以為要用 matmul 函數(shù)的地方,你可能會(huì)看到 NumPy 的 dot 函數(shù)。事實(shí)證明,如果矩陣是二維的,那么 dot 和 matmul 函數(shù)的結(jié)果是相同的。
所以這兩個(gè)結(jié)果是等價(jià)的:
a = np.array([[1,2],[3,4]]) a # 顯示以下結(jié)果: # array([[1, 2], # [3, 4]]) np.dot(a,a) # 顯示以下結(jié)果: # array([[ 7, 10], # [15, 22]]) a.dot(a) # you can call你可以直接對(duì) `ndarray` 調(diào)用 `dot` # 顯示以下結(jié)果: # array([[ 7, 10], # [15, 22]]) np.matmul(a,a) # array([[ 7, 10], # [15, 22]])
雖然這兩個(gè)函數(shù)對(duì)于二維數(shù)據(jù)返回相同的結(jié)果,但在用于其他數(shù)據(jù)形狀時(shí),你應(yīng)該謹(jǐn)慎選擇。你可以在 matmul和 dot 文檔中詳細(xì)了解它們的差異,并找到其他 NumPy 函數(shù)的鏈接。
以上是“NumPy如何實(shí)現(xiàn)矩陣乘法”這篇文章的所有內(nèi)容,感謝各位的閱讀!希望分享的內(nèi)容對(duì)大家有幫助,更多相關(guān)知識(shí),歡迎關(guān)注億速云行業(yè)資訊頻道!
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。