python中@運(yùn)算符的用法

小編給大家分享一下python中@運(yùn)算符的用法，相信大部分人都還不怎么了解，因此分享這篇文章給大家參考一下，希望大家閱讀完這篇文章后大有收獲，下面讓我們一起去了解一下吧！

在看fastai的代碼時(shí)，看到這么一段：

n=100
x = torch.ones(n,2) 
x[:,0].uniform_(-1.,1)
x[:5]
a = tensor(3.,2)
y = x@a + torch.rand(n)

這里面有個(gè)@符號(hào)不知道是啥意思？

于是百度搜了一下，都是說(shuō)@xxx是注解或者裝飾器，明顯不是這段代碼的場(chǎng)景嘛！

于是又Google了一下，原來(lái)這個(gè)@是Python 3.5之后加入的矩陣乘法運(yùn)算符，終于明白了！

補(bǔ)充：python矩陣乘積運(yùn)算(multiply/maumul/*/@)解析

在訓(xùn)練數(shù)據(jù)時(shí)經(jīng)常涉及到矩陣運(yùn)算，有段時(shí)間沒(méi)有練習(xí)過(guò)了，手便生疏了。

今天重新測(cè)了一把，python中各類矩陣運(yùn)算舉例如下，可以清楚的看到tf.matmul(A,C)=np.dot(A,C)= A@C都屬于叉乘，而tf.multiply(A,C)= A*C=A?C屬于點(diǎn)乘。

Python測(cè)試編碼如下：

import tensorflow as tf
import numpy as np

a = np.array([[1,2],[3,4]])
b = np.array([5,6])
c = np.array([[5,6],[7,8]])
print('a:'+'\n',a)
print('b:'+'\n',b)
print('c:'+'\n',c)
#叉乘
d1=a@c
d2=tf.matmul(a,c)
d3=np.dot(a,c)
#點(diǎn)乘
f1=a*c
f2=tf.multiply(a,c)

with tf.compat.v1.Session() as sess:
    print('d1:叉乘a@c' + '\n', d1)
    print('d2:叉乘matmul(a,c)' + '\n', sess.run(d2))
    print('d3:叉乘dot(a,c)' + '\n', d3)
    print('f1:點(diǎn)乘a*c' + '\n', f1)
    print('f2:點(diǎn)乘multiply(a,c)' + '\n', sess.run(f2))

測(cè)試結(jié)果如下：

以上是“python中@運(yùn)算符的用法”這篇文章的所有內(nèi)容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內(nèi)容對(duì)大家有所幫助，如果還想學(xué)習(xí)更多知識(shí)，歡迎關(guān)注億速云行業(yè)資訊頻道！