Arrays 如何分别用其它元素运算和归约运算代替np.dot中的乘法和和运算

假设您有两个相对较大的数组

a

和

b

。您可以使用广播制作

dot

产品：

a = np.random.normal(size=(1000, 300))
b = a*2

ref = a.dot(b.T)
res = (a[:,None,:]*b[None,:,:]).sum(2)
np.allclose(ref, res)
# True

timeit -n 1 -r 5 a.dot(b.T)
# 17.6 ms    
timeit -n 1 -r 5 (a[:,None,:]*b[None,:,:]).sum(2)
# 1.83 s

性能差异大约为2个数量级，更大的阵列甚至更大。

np.dot

速度快得多，因为它使用专门的库，但也因为它不在内存中存储完整的时态数组

a[：，None，：]*b[None，：，：，：]

np.dot

总是先进行乘法运算，然后进行求和运算。我想知道是否有可能用任何其他元素操作（如

np.max

，

==

，

np.power

…）代替乘法运算，并用其他还原操作（如

np.max

）代替求和运算。我知道这将有利基现实世界的应用，但我认为它在某些情况下可能是有用的

我尝试过使用

numexpr

，但它对func和dtype的支持有限

我还尝试过使用自定义乘法和求和方法，使用

dype=object

创建一个数组，但这样就不再处理连续的内存块了

在numpy有什么有效的方法来实现这一点吗

---

理想情况下，使用syntax的函数：

np.custom\u dot（a，b，elementwise\u func=my\u func，redux\u func=my\u other\u func）

您不能编写自己的专用库吗？也许以cython为起点。@hpaulj我已经用cython做过几次简单的事情（我经常得到这个）。我希望有一个更简单的纯

numpy

解决方案这听起来像是numba（）最适合的解决方案。原始的

np.einsum

（现在包含在

c\u einsum

函数中）使用cython和

nditer

对维度的复杂组合执行乘积和。几年前我写了一篇关于省略号用法的补丁时，我深入研究了这个问题。当时还有一个问题，要求使用其他对运算符的

einsum

。

np.nditer

对性能没有帮助，但如图所示，可以作为在cython中使用它的垫脚石。

np.einsum（'ij，kj'，a，b，optimize=True）

提供与点相同的计时

np.einsum（'ij，kj'，a，b，optimize=False）

使用原始（nditer）版本您可以编写自己的专用库吗？也许以cython为起点。@hpaulj我已经用cython做过几次简单的事情（我经常得到这个）。我希望有一个更简单的纯

numpy

解决方案这听起来像是numba（）最适合的解决方案。原始的

np.einsum

（现在包含在

c\u einsum

函数中）使用cython和

nditer

对维度的复杂组合执行乘积和。几年前我写了一篇关于省略号用法的补丁时，我深入研究了这个问题。当时还有一个问题，要求使用其他对运算符的

einsum

。

np.nditer

对性能没有帮助，但如图所示，可以作为在cython中使用它的垫脚石。

np.einsum（'ij，kj'，a，b，optimize=True）

提供与点相同的计时<代码>np.einsum（'ij，kj'，a，b，optimize=False）使用原始（nditer）版本