NumPy Tensordot轴=2

我知道有很多关于tensordot的问题，我已经浏览了15页的迷你书中的一些答案，我确信这些答案是人们花了好几个小时才做出的，但我还没有找到关于

axes=2

的解释

这使我想到

np.tensordot（b，c，axes=2）==np.sum（b*c）

，但作为一个数组：

b = np.array([[1,10],[100,1000]])
c = np.array([[2,3],[5,7]])
np.tensordot(b,c,axes=2)
Out: array(7532)

但后来失败了：

a = np.arange(30).reshape((2,3,5))
np.tensordot(a,a,axes=2)

如果有人能对

np.tensordot（x，y，axes=2）

提供一个简短的解释，并且只提供

axes=2

，那么我很乐意接受

In [70]: a = np.arange(24).reshape(2,3,4)
In [71]: np.tensordot(a,a,axes=2)
Traceback (most recent call last):
  File "<ipython-input-71-dbe04e46db70>", line 1, in <module>
    np.tensordot(a,a,axes=2)
  File "<__array_function__ internals>", line 5, in tensordot
  File "/usr/local/lib/python3.8/dist-packages/numpy/core/numeric.py", line 1116, in tensordot
    raise ValueError("shape-mismatch for sum")
ValueError: shape-mismatch for sum

这是在第一个

a

的最后两个维度和第二个

a

的前两个维度上进行双轴压缩。使用此

a

表示尺寸不匹配。显然，这个

轴

是为2d阵列设计的，而没有太多考虑3d阵列。这不是一个三轴减速

一些开发人员认为这些单位数的轴值是方便的，但这并不意味着它们是经过严格考虑或测试的

元组轴为您提供了更多控制：

In [74]: np.tensordot(a,a,axes=[(0,1,2),(0,1,2)])
Out[74]: array(4324)
In [75]: np.tensordot(a,a,axes=[(0,1),(0,1)])
Out[75]: 
array([[ 880,  940, 1000, 1060],
       [ 940, 1006, 1072, 1138],
       [1000, 1072, 1144, 1216],
       [1060, 1138, 1216, 1294]])

---

请链接到你读过的迷你书。我也读过其中一些，我们要么没有读到同一个，要么你有一些具体的问题，你无法清楚地表达出来。我在一段时间前探讨了这些单位数字轴的动作。它们被转换成元组形式，然后进行

dot

调用。我认为理解这一点并不重要

np.einsum

和

matmul

是对

dot

的更有用的扩展。您所说的“失败”是什么意思？@hpaulj，

np.tensordot（a，a，axes=2）

给出了

提升值错误（“求和形状不匹配”）

可能的重复，谢谢。我现在明白了。不过，我不会说它不适用于高维阵列。现在我看到，

axes=N

要求第一个数组的最后N维与第二个数组的前N维相同，顺序相同。因此，使用

a=np.arange（720）.重塑（2,3,4,5,6）

，

b=np.arange（720）.重塑（5,6,8,3）

，和

c=np.arange（720）.重塑（4,5,6,1,6）

，你可以做

np.tensordot（a，b，axes=2）

或

np.tensordot（a，c，axes=3）

。我最初认为

axes=2

是一个选项，而不是

axes=N

是必须匹配的维度数。

In [74]: np.tensordot(a,a,axes=[(0,1,2),(0,1,2)])
Out[74]: array(4324)
In [75]: np.tensordot(a,a,axes=[(0,1),(0,1)])
Out[75]: 
array([[ 880,  940, 1000, 1060],
       [ 940, 1006, 1072, 1138],
       [1000, 1072, 1144, 1216],
       [1060, 1138, 1216, 1294]])