numpy.dot函数是如何工作的？

a点（b）和b点（a）会发生什么？对于矩阵复制，a.dot（b）应该是非法的。

在此设置中，

b.dot（a）

相当于

b.T.dot（a）

；事实上，

b

和

b.T

恰好具有相同的形状，因此即使符号使它看起来像

b

是一个行向量，它实际上不是。但是，我们可以将其重新定义为显式地作为行向量，在这种情况下，操作会如预期的那样失败：

import numpy as np
a = np.array([[1,2],[3,4]])
b = np.array([5, 6])
a.dot(b)
b.dot(a)

[25]中的

：b.dot（a）
Out[25]：数组（[23,34]）
In[26]：b.T.dot（a）
Out[26]：数组（[23,34]）
In[30]：b.形状
Out[30]：（2，）
[31]：b.T.形状
Out[31]：（2，）
在[27]中：c=b.重塑（（1，2））
In[28]：c.dot（a）
Out[28]：数组（[[23,34]]）
In[29]：a.dot（c）
---------------------------------------------------------------------------
ValueError回溯（最近一次调用上次）
在（）
---->1 a.dot（c）
ValueError:形状（2,2）和（1,2）未对齐：2（尺寸1）！=1（尺寸0）

dot

文档描述了1d阵列的特殊处理。也就是说，你可以使用内积

b.dot（b）

。

b.dot（b）

是内积，但是

a.dot（b）

和

b.dot（a）

是矩阵乘法。

b

是1d，所以不是矩阵，也不是行/列向量（或者是它）？

a.dot（b）

的工作原理最好用爱因斯坦符号来解释：

np.einsum（'ij，j->j'，a，b）

。或者它可以被描述为

a

与

b

的每一行的.dot乘积

a.dot（np.array（[[5,6]]）

（a（1,2）array）确实会产生错误。

In [25]: b.dot(a)
Out[25]: array([23, 34])

In [26]: b.T.dot(a)
Out[26]: array([23, 34])

In [30]: b.shape
Out[30]: (2,)

In [31]: b.T.shape
Out[31]: (2,)

In [27]: c = b.reshape((1, 2))

In [28]: c.dot(a)
Out[28]: array([[23, 34]])

In [29]: a.dot(c)
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-29-5d91888f8066> in <module>()
----> 1 a.dot(c)

ValueError: shapes (2,2) and (1,2) not aligned: 2 (dim 1) != 1 (dim 0)