自定义点积的Numpy矩阵乘法
默认的矩阵乘法计算为自定义点积的Numpy矩阵乘法,numpy,vectorization,matrix-multiplication,dot-product,Numpy,Vectorization,Matrix Multiplication,Dot Product,默认的矩阵乘法计算为 c[i,j] = sum(a[i,k] * b[k,j]) 我正在尝试使用自定义公式而不是点积来获得 c[i,j] = sum(a[i,k] == b[k,j]) 在numpy有没有一种有效的方法可以做到这一点?您可以使用广播: c = sum(a[...,np.newaxis]*b[np.newaxis,...],axis=1) # == np.dot(a,b) c = sum(a[...,np.newaxis]==b[np.newaxis,...],axis=1
c[i,j] = sum(a[i,k] * b[k,j])
我正在尝试使用自定义公式而不是点积来获得
c[i,j] = sum(a[i,k] == b[k,j])
在numpy有没有一种有效的方法可以做到这一点?您可以使用广播:
c = sum(a[...,np.newaxis]*b[np.newaxis,...],axis=1) # == np.dot(a,b)
c = sum(a[...,np.newaxis]==b[np.newaxis,...],axis=1)
我在
b
中包含了newaxis
,只需说明数组是如何扩展的。还有其他向数组添加维度的方法(重塑、重复等),但效果相同。将a
和b
展开到相同的形状,进行逐元素相乘(或==),然后在正确的轴上求和 谢谢你。这个很整洁。