Numpy 如何矢量化以下python代码

我试图得到一个矩阵，其中每个元素的计算如下：

X = torch.ones(batch_size, dim)
X_ = torch.ones(batch_size, dim)
Y = torch.ones(batch_size, dim)
M = torch.zeros(batch_size, batch_size)
for i in range(batch_size):
    for j in range(batch_size):
        M[i, j] = ((X[i] - X_[i] * Y[j])**2).sum()

按元素计算

M

非常慢，关于如何使用矩阵乘法来代替for循环，有什么建议吗

谢谢。

如果您想

sum（）

通过dim，您可以将2D问题“提升”到3D并在那里求和：

M = ((X[:, None, :] - X_[:, None, :] * Y[None, ...])**2).sum(dim=2)

它的工作原理：

X[：，无，：]

和

X[：，无，：]

是三维尺寸的

（批量大小，1，尺寸）

，而

Y[无，…]

是三维尺寸的

（1，批量大小，尺寸）

将大小为1的尺寸乘以相应的尺寸，得到大小为

（批量大小，批量大小，dim）的结果。

最后，只对最后一个维度

（dim=2）

执行

sum（）

，以获得大小

（批次大小，批次大小）

的输出

M

---

这里的诀窍是利用。

谢谢！因为M[i，j]是一个标量值感谢您对代码的解释，它完美地解决了我的问题。很抱歉造成混淆。我在这里传输代码时犯了一个错误。实际上X是一批向量，所以它的大小（batch_size，dim）。因此，应用sum（）将得到一个标量。所以我想我们需要另一个版本的矢量化？