numpy的np.dot（）在多维数组 [英] Numpy np.dot() on multidimensional arrays

问题描述

这是一个简单的问题，但我发现所涉及的大小相混淆。

使用numpy的

，我有一个3维数组，形状=（10，100，100）。

（我认为它的方式是10矩阵的np.ndarray，每100型100，即

  ARR1 = M1 M2 M3 .... M10]
 

其中， M1.shape =（100,100），M2.shape =（100,100），...

我也有叫ARRB数据的第二阵列，这是 arrB.shaped（100）。我的目标是做矩阵乘法与这些numpy的阵列，即（arrB.T）* * ARR1（ARRB），结果是一个整数。使用numpy的数组，这个操作应该以 np.dot（）完成

  OP1 = np.dot（ARR1，ARRB）
OP2 = np.dot（（arrB.T），OP1）
 

或

 终产物= np.dot（（arrB.T），np.dot（ARR1，ARRB））
 

但是，这是行不通的。我得到一个错误：

  ValueError错误：形状（100）和（10,100）未对齐：100（点心0）= 10（0变暗）
 

如果我做一个操作黑客帝国M＃的时间，我可以执行此操作，即

  =中element1 ARR1 [0]
结束= np.dot（（arrB.T），np.dot（中element1，ARRB））
 

未经剪接我原来的阵列，在做业务，再次追加，我怎么能我原来阵列上执行这些操作 ARR1 导致

 的结果= [（arrB.T）* ARR1 [0] *（ARRB）（arrB.T）* ARR1 [1] *（ARRB）（arrB.T）* ARR1 [2] *（ARRB）...
                                                ....（arrB.T）* ARR1 [9] *（ARRB）]
 

解决方案

您可以使用列表COM prehension这是 -

  ARR3 = np.array（[np.dot（arr2.T，np.dot（ARR1 [在范围I]，ARR2））因为我（arr1.shape [0] ）]）
 

This is an easy question, but I'm getting confused by the size involved.

Using NumPy, I have a 3-dimensional array, shape = (10, 100, 100).

(The way I think of it is as an np.ndarray of 10 "matrices", each shaped 100 by 100, i.e.

arr1 = [M1 M2 M3....M10]

where M1.shape = (100,100), M2.shape = (100,100),...

I also have a second array of data called "arrB", which is arrB.shaped (100,). My goal is to do matrix multiplication with these numpy arrays, i.e. (arrB.T)*arr1*(arrB), resulting in a single integer. Using numpy arrays, this operation should be completed with np.dot()

op1 = np.dot(arr1, arrB)
op2 = np.dot((arrB.T), op1)

or

endproduct = np.dot((arrB.T), np.dot(arr1, arrB) )

However, this does not work. I get an error:

ValueError: shapes (100,) and (10,100) not aligned: 100 (dim 0) != 10 (dim 0)

If I do the operation on one "matrix" M# at a time, I can perform this operation, i.e.

element1 = arr1[0]
end = np.dot((arrB.T), np.dot(element1, arrB) )

Without splicing my original array, doing the operations, and appending again, how can I perform these operations on my original array arr1 to result in

result = [(arrB.T)*arr1[0]*(arrB) (arrB.T)*arr1[1]*(arrB) (arrB.T)*arr1[2]*(arrB) ... 
                                                ....(arrB.T)*arr1[9]*(arrB) ]

解决方案

You can use list comprehension for this as -

arr3 = np.array([np.dot(arr2.T , np.dot(arr1[i] , arr2)) for i in range(arr1.shape[0])])

这篇关于numpy的np.dot（）在多维数组的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！