Python numpy数组上的多维矩阵乘法

我正在用python实现一个神经网络，作为反向传播的一部分，我需要将一个3D矩阵乘以一个2D矩阵，称之为W，维100，200，结果应该是维200，200，1

A是误差向量，W是权重矩阵，乘积用于计算前一层的更新

我试着用numpy.core.umath_测试中的matrix_乘法来求解它，我试着将W整形为100200,1，然后再乘法，但结果是

ValueError:矩阵_乘法：输入操作数1的核心维度0不匹配，gufunc签名m，n，n，p->m，p大小100与1不同

我如何解决这个问题？

您可以使用交换键排列轴，或者简单地重塑轴-

或者，我们可以使用沿A的最后一个轴的唯一切片，然后在矩阵乘法后扩展到3D-

或者我们可以使用-

---

你是否有一个令人信服的理由来保持一个200, 100, 1的形状，而不是放弃琐碎的尺寸，使它的形状200, 100？“WarrenWeckesser，我没有考虑这个选项。谢谢你的建议，我会研究的。

np.tensordot(A,W,axes=((1),(0))).swapaxes(1,2)
np.tensordot(A,W,axes=((1),(0))).reshape(A.shape[0],W.shape[1],1)

A[:,:,0].dot(W)[...,None]

np.einsum('ijk,jl->ilk',A,W)