NumPy教程-NumPy中的矩阵乘法（Matrix Multiplication）
点击关注 👉约 3 分钟矩阵的乘法是一种操作，通过将两个矩阵作为输入，将第一个矩阵的行与第二个矩阵的列相乘，生成一个单独的矩阵。需要注意的是，第一个矩阵的行数应等于第二个矩阵的列数。
有三种方法可以执行numpy矩阵乘法。
第一种是使用multiply()函数，该函数执行矩阵的逐元素乘法。
第二种是使用matmul()函数，该函数执行两个数组的矩阵乘积。
最后一种是使用dot()函数，该函数执行两个数组的点积。
示例 1：逐元素矩阵乘法
import numpy as nparray1=np.array([[1,2,3],[4,5,6],[7,8,9]],ndmin=3)array2=np.array([[9,8,7],[6,5,4],[3,2,1]],ndmin=3)result=np.multiply(array1,array2)result
在上面的代码中
我们导入了别名为np的numpy。
我们使用numpy.array()函数创建了array1和array2，维数为3。
我们创建了一个名为result的变量，并将np.multiply()函数的返回值赋给它。
我们在np.multiply()中传递了array1和array2两个数组。
最后，我们尝试打印result的值。
array([[[ 9, 16, 21],[24, 25, 24],[21, 16, 9]]])
👉点击领取：最全Python资料合集
示例 2：矩阵乘积
import numpy as nparray1=np.array([[1,2,3],[4,5,6],[7,8,9]],ndmin=3)array2=np.array([[9,8,7],[6,5,4],[3,2,1]],ndmin=3)result=np.matmul(array1,array2)result
array([[[ 30, 24, 18],[ 84, 69, 54],[138, 114, 90]]])
在上面的代码中
我们导入了别名为np的numpy。
我们使用numpy.array()函数创建了array1和array2，维数为3。
我们创建了一个名为result的变量，并将np.matmul()函数的返回值赋给它。
我们在np.matmul()中传递了array1和array2两个数组。
最后，我们尝试打印result的值。
示例 3：点积
numpy.dot具有以下规格：
当a和b都是1-D（一维）数组时-> 两个向量的内积（不包含复共轭）
当a和b都是2-D（二维）数组时 -> 矩阵乘法
当a或b为0-D（也称为标量）时 -> 使用numpy.multiply(a, b)或a * b进行乘法。
当a是N-D数组，b是1-D数组时 -> 在a和b的最后一个轴上进行求和乘积。
当a是N-D数组，b是M-D数组，并且M>=2时 -> 在a的最后一个轴和b的倒数第二个轴上进行求和乘积：同时，dot(a, b)[i,j,k,m] = sum(a[i,j,:] * b[k,:,m])
import numpy as nparray1=np.array([[1,2,3],[4,5,6],[7,8,9]],ndmin=3)array2=np.array([[9,8,7],[6,5,4],[3,2,1]],ndmin=3)result=np.dot(array1,array2)result
在上面的代码中
我们导入了别名为np的numpy。
我们使用numpy.array()函数创建了array1和array2，维数为3。
我们创建了一个名为result的变量，并将np.dot()函数的返回值赋给它。
我们在np.dot()中传递了array1和array2两个数组。
最后，我们尝试打印result的值。
array([[[[ 30, 24, 18]],[[ 84, 69, 54]],[[138, 114, 90]]]])
热门推荐