Numpy 使用'np.tensortdot'或仅二维'np.dot'获取'np.dot'的ND行为`

我试图用二维的np.dot或np.tensordot来表达np.dot的N-D行为

总而言之，np.dot对N-D做了如下操作：它沿所有维度匹配/广播数组，但最后两个维度除外，并对所有维度执行点积。例如，如果x.shape是2,3,4,5，y.shape是2,3,5,4，np.dotx，y.shape是2,3,4,4，np.dotx，y[i，j]是np.dotx[i，j]，y[i，j]

此外，如果x.shape仅为4,5，它将首先通过np.broadcast转换为2,3,5,4

我尝试了np.tensortdotx，y，axes=-1，-2，但它沿着x，y的每个维度重复，而不是匹配它们

---

我意识到我可以写一个循环，但我正在寻找一个矢量化的解决方案。

你把np.dot的广播行为搞错了：

对于4,5 x：

添加matmul正是因为np.dot的行为不像是对所有i，j执行np.dotx[i，j，：，：]，y[i，j，：，：，：]

输入输出[255]的形状是x减去5的形状，加上y减去5的形状。实际上是所有东西的外部产物，大小为5维

tensordot使用np.dot。它只是重塑和转换输入，将问题简化为二维点问题。然后它将结果按摩回所需的形状和顺序

In [259]: np.tensordot(x, y, axes=(-1,-2)).shape
Out[259]: (2, 3, 4, 2, 3, 4)   # cf Out[255]

In [261]: np.einsum('ijkl,ijlm->ijkm',x,y).shape
Out[261]: (2, 3, 4, 4)    # cf Out[256]

---

因为稀疏矩阵是二维的，所以我不理解你的问题。如果你有多个稀疏矩阵，你就必须单独使用它们。

我认为你应该使用matmul:np.matmula，b或a@b.@Divakar来工作，但我非常想用scipy.sparse.csr_matrix.dot来完成，它只有2d稀疏矩阵是2d，period。这不仅仅是他们的小点。

In [257]: np.dot(x[0,0],y).shape
Out[257]: (4, 2, 3, 4)
In [258]: np.matmul(x[0,0],y).shape
Out[258]: (2, 3, 4, 4)

In [259]: np.tensordot(x, y, axes=(-1,-2)).shape
Out[259]: (2, 3, 4, 2, 3, 4)   # cf Out[255]

In [261]: np.einsum('ijkl,ijlm->ijkm',x,y).shape
Out[261]: (2, 3, 4, 4)    # cf Out[256]