numpy dot 用法及代码示例
Lincoln 用法：
numpy.dot(a, b, out=None)
两个数组的点积。特别，
-
如果a和b都是一维数组，则它是向量的内积(无复共轭)。
-
如果a和b均为二维数组，则为矩阵乘法，但使用
matmul或者a @ b是首选。 -
如果a或b为0-D(标量)，则等效于
multiply和使用numpy.multiply(a, b)或者a \* b是首选。 -
如果a是N-D数组，而b是一维数组，则它是a和b的最后一个轴上的总和。
-
如果a是N-D阵列，而b是M-D阵列(其中
M>=2)，它是的最后一个轴的总和_a_和的second-to-last轴_b_：dot(a, b)[i,j,k,m] = sum(a[i,j,:] * b[k,:,m])
| – | 描述 |
|---|---|
| 参数 | a： ： array_like
第一个论点。 第二个论点。 输出参数。如果没有使用，则必须具有返回的确切类型。特别是，它必须具有正确的类型，必须为C-contiguous，并且其dtype必须是为dot(a，b)返回的dtype。这是一项性能功能。因此，如果不满足这些条件，则会引发异常，而不是尝试变得灵活。 |
| 返回值 | output： ： ndarray
返回a和b的点积。如果a和b都是标量或都是一维数组，则返回标量；否则，返回a。否则返回一个数组。如果给出out，则将其返回。 |
| 异常： | ValueError：
如果a的最后一个尺寸与b的second-to-last尺寸不同。 |
例子：
>>> np.dot(3, 4)
12
两个参数都不是complex-conjugated：
>>> np.dot([2j, 3j], [2j, 3j])
(-13+0j)
对于二维数组，它是矩阵乘积：
>>> a = [[1, 0], [0, 1]]
>>> b = [[4, 1], [2, 2]]
>>> np.dot(a, b)
array([[4, 1],
[2, 2]])
>>> a = np.arange(3*4*5*6).reshape((3,4,5,6))
>>> b = np.arange(3*4*5*6)[::-1].reshape((5,4,6,3))
>>> np.dot(a, b)[2,3,2,1,2,2]
499128
>>> sum(a[2,3,2,:] * b[1,2,:,2])
499128
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。
