NumPy 支持的幾類矩陣乘法也很重要。
你已看過了一些元素級乘法。你可以使用 multiply 函數(shù)或 * 運算符來實現(xiàn)?;仡櫼幌?,它看起來是這樣的:
m = np.array([[1,2,3],[4,5,6]]) m # 顯示以下結(jié)果: # array([[1, 2, 3], # [4, 5, 6]]) n = m * 0.25 n # 顯示以下結(jié)果: # array([[ 0.25, 0.5 , 0.75], # [ 1. , 1.25, 1.5 ]]) m * n # 顯示以下結(jié)果: # array([[ 0.25, 1. , 2.25], # [ 4. , 6.25, 9. ]]) np.multiply(m, n) # 相當(dāng)于 m * n # 顯示以下結(jié)果: # array([[ 0.25, 1. , 2.25], # [ 4. , 6.25, 9. ]])
要獲得矩陣乘積,你可以使用 NumPy 的 matmul 函數(shù)。
如果你有兼容的形狀,那就像這樣簡單:
a = np.array([[1,2,3,4],[5,6,7,8]]) a # 顯示以下結(jié)果: # array([[1, 2, 3, 4], # [5, 6, 7, 8]]) a.shape # 顯示以下結(jié)果: # (2, 4) b = np.array([[1,2,3],[4,5,6],[7,8,9],[10,11,12]]) b # 顯示以下結(jié)果: # array([[ 1, 2, 3], # [ 4, 5, 6], # [ 7, 8, 9], # [10, 11, 12]]) b.shape # 顯示以下結(jié)果: # (4, 3) c = np.matmul(a, b) c # 顯示以下結(jié)果: # array([[ 70, 80, 90], # [158, 184, 210]]) c.shape # 顯示以下結(jié)果: # (2, 3)
如果你的矩陣具有不兼容的形狀,則會出現(xiàn)以下錯誤:
np.matmul(b, a) # 顯示以下錯誤: # ValueError: shapes (4,3) and (2,4) not aligned: 3 (dim 1) != 2 (dim 0)
有時候,在你以為要用 matmul 函數(shù)的地方,你可能會看到 NumPy 的 dot 函數(shù)。事實證明,如果矩陣是二維的,那么 dot 和 matmul 函數(shù)的結(jié)果是相同的。
所以這兩個結(jié)果是等價的:
a = np.array([[1,2],[3,4]]) a # 顯示以下結(jié)果: # array([[1, 2], # [3, 4]]) np.dot(a,a) # 顯示以下結(jié)果: # array([[ 7, 10], # [15, 22]]) a.dot(a) # you can call你可以直接對 `ndarray` 調(diào)用 `dot` # 顯示以下結(jié)果: # array([[ 7, 10], # [15, 22]]) np.matmul(a,a) # array([[ 7, 10], # [15, 22]])
雖然這兩個函數(shù)對于二維數(shù)據(jù)返回相同的結(jié)果,但在用于其他數(shù)據(jù)形狀時,你應(yīng)該謹慎選擇。你可以在 matmul和 dot 文檔中詳細了解它們的差異,并找到其他 NumPy 函數(shù)的鏈接。
到此這篇關(guān)于NumPy 矩陣乘法的實現(xiàn)示例的文章就介紹到這了,更多相關(guān)NumPy 矩陣乘法內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
標(biāo)簽:黔東 拉薩 渭南 內(nèi)江 興安盟 綿陽 廊坊 亳州
巨人網(wǎng)絡(luò)通訊聲明:本文標(biāo)題《NumPy 矩陣乘法的實現(xiàn)示例》,本文關(guān)鍵詞 NumPy,矩陣,乘法,的,實現(xiàn),;如發(fā)現(xiàn)本文內(nèi)容存在版權(quán)問題,煩請?zhí)峁┫嚓P(guān)信息告之我們,我們將及時溝通與處理。本站內(nèi)容系統(tǒng)采集于網(wǎng)絡(luò),涉及言論、版權(quán)與本站無關(guān)。