Numpy 点积广播

我正在尝试解一组点积。目前，我发现最好的方法就是使用这个循环

for i in range(n):
    u[:,:,i] = np.dot(K[i,:,:], v[:,:,i])

有人能帮我通过广播或其他更快的方法解决这个问题吗

---

非常感谢

一个简单的解决方法是：

u = np.matmul(K, v.transpose(2, 0, 1))
u = u.transpose(1, 2, 0)

我假设

K

的形状是nxbbxc，

v

的形状是cxdn。像这样转置

v

使其成为nxcxd形状，这使得可以对输入形状bxc和cxd执行n个矩阵乘法，结果是nxbxd

---

最后，您还需要转置

u

以获得所需的b x d x n形状。

一个比手动绕轴移动更直观的解决方案将用于计算结果：

将numpy导入为np
n=7
b=8
c=11
d=4
K=np.rand.rand（n，b，c）
v=np.rand.rand（c，d，n）
u=np.matmul（K，v.转置（2,0,1））.转置（1,2,0）
w=np.einsum（'nbc，cdn->bdn'，K，v）
打印（np.allclose（u，w））#真实

K和v的形状是什么？或者它们代表什么？您不希望

广播

<编码>点进行前导维度的广播，

u[i，j，：，：]=np.dot（K[i，：，；]，v[j，：，：]）

matmul

将它们视为“批处理”维度，

u[i，：，：]=np.dot（[K[i，：，：]，v[i，：，：]））

@swag2198 K的形状是nxbxc，v的形状是cxdxn.@hpaulj我不一定想做广播，只要尽可能避免for循环。如果你不想做

np.matmul

所要求的转置，你可以使用

np.einsum

进行探索。