numpy inner 用法及代码示例
用法:
numpy.inner(a, b)
两个数组的内积。
一维数组的向量的普通内积(无复共轭),在较高维度上,最后一个轴上的和积。
– | 描述 |
---|---|
参数 | a, b: : array_like
如果a和b是非标量的,则它们的最后尺寸必须匹配。 |
返回值 | out: : ndarray
out.shape = a.shape [:-1] + b.shape [:-1] |
异常: | ValueError:
如果a和b的最后一个尺寸具有不同的大小。 |
注意:
对于向量(一维数组),它计算普通的inner-product:
np.inner(a, b) = sum(a[:]*b[:])
更一般而言,如果ndim(a)= r> 0且ndim(b)= s> 0:
np.inner(a, b) = np.tensordot(a, b, axes=(-1,-1))
或明确地:
np.inner(a, b)[i0,...,ir-1,j0,...,js-1]
= sum(a[i0,...,ir-1,:]*b[j0,...,js-1,:])
另外,a或b可以是标量,在这种情况下:
np.inner(a,b) = a*b
例子:
向量的普通内积:
>>> a = np.array([1,2,3])
>>> b = np.array([0,1,0])
>>> np.inner(a, b)
2
多维示例:
>>> a = np.arange(24).reshape((2,3,4))
>>> b = np.arange(4)
>>> np.inner(a, b)
array([[ 14, 38, 62],
[ 86, 110, 134]])
b是标量的示例:
>>> np.inner(np.eye(2), 7)
array([[7., 0.],
[0., 7.]])
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。