将2D NumPy数组乘以元素和和 [英] Multiply 2D NumPy arrays element-wise and sum

问题描述

我想知道是否有更快的方法/专用NumPy函数来执行二维NumPy数组的元素乘法，然后求和所有元素。
我现在使用 np.sum（np.multiply（A，B））其中A，B是等维数的NumPy数组 mxn 。

解决方案

您可以使用 np.tensordot -

  np.tensordot（A，B，axes =（（0,1），（0,1）））
  

np.dot 将输入展平 -

<$ p $ > A.ravel（）。dot（B.ravel（））


另有 np.einsum

code> -

  np.einsum（'ij，ij'，A，B）
  

运行示例 -

  In [14]：m，n = 4,5 
 
在[15]中：A = np.random.rand（m，n）
 
在[16]中：B = np.random.rand（m，n）
 
在[17]中：np.sum（np.multiply（A，B））
 Out [17]：5.1783176986341335 
 
在[18]中：np.tensordot（A，B， =（（0,1），（0,1）））
 Out [18]：array（5.1783176986341335）
 
在[22]中：A.ravel（）。dot（B .ravel（））
 Out [22]：5.1783176986341335 
 
 In [21]：np.einsum（'ij，ij'，A，B）
 Out [21] ：5.1783176986341326 
  

运行时测试
$ b在[23]中：m，n = 5000,5000

在[24]中：A = np.random.rand（m，n ）
...：B = np.random.rand（m，n）
...：

在[25]中：％timeit np.sum（np。 （A，B））
...：％timeit np.tensordot（A，B，axes =（（0,1），（0,1）））
...：％ timeit A.ravel（）。dot（B.ravel（））
...：％timeit np.einsum（'ij，ij'，A，B）
...：
10个循环，最好3个循环：每个循环52.2 ms
100个循环，最好3个：每个循环19.5 ms
100个循环，最好3个：每个循环19.5 ms
100个循环，bes每个循环3：19ms t


I am wondering if there is a quicker way/dedicated NumPy function to perform element-wise multiplication of 2D NumPy arrays and then sum all the elements. I currently use np.sum(np.multiply(A, B)) where A, B are NumPy arrays of equal dimension m x n.

解决方案

You can use np.tensordot -

np.tensordot(A,B, axes=((0,1),(0,1)))

Another way with np.dot after flattening the inputs -

A.ravel().dot(B.ravel())

Another with np.einsum -

np.einsum('ij,ij',A,B)

Sample run -

In [14]: m,n = 4,5

In [15]: A = np.random.rand(m,n)

In [16]: B = np.random.rand(m,n)

In [17]: np.sum(np.multiply(A, B))
Out[17]: 5.1783176986341335

In [18]: np.tensordot(A,B, axes=((0,1),(0,1)))
Out[18]: array(5.1783176986341335)

In [22]: A.ravel().dot(B.ravel())
Out[22]: 5.1783176986341335

In [21]: np.einsum('ij,ij',A,B)
Out[21]: 5.1783176986341326

Runtime test

In [23]: m,n = 5000,5000

In [24]: A = np.random.rand(m,n)
    ...: B = np.random.rand(m,n)
    ...: 

In [25]: %timeit np.sum(np.multiply(A, B))
    ...: %timeit np.tensordot(A,B, axes=((0,1),(0,1)))
    ...: %timeit A.ravel().dot(B.ravel())
    ...: %timeit np.einsum('ij,ij',A,B)
    ...: 
10 loops, best of 3: 52.2 ms per loop
100 loops, best of 3: 19.5 ms per loop
100 loops, best of 3: 19.5 ms per loop
100 loops, best of 3: 19 ms per loop

这篇关于将2D NumPy数组乘以元素和和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！