Python numpy向量乘法速度？

我是numpy的新手，发现了（对我来说）这种奇怪的行为。 我正在实现逻辑回归成本函数，这里有两个相同维度和相同类型的列向量（dfloat）。y包含一组0和1，a包含范围（-1，1）内的浮点数。 在某一点上，我应该得到点积，所以我转置一并乘以它们：

   x = y.T @ a

但是当我使用

   x = y @ a.T

偶尔性能会下降约3倍，但结果相同 为什么会这样？操作不一样吗？

---

谢谢。

性能下降，您会得到一个非常不同的答案

对于向量乘法（与数字乘法不同）

a@b！=b@a

。在您的情况下（假设列向量），

a.T@b

是一个数字，但是

a@b.T

是一个完整的矩阵！因此，如果你的向量都是（1，y）形状，最后一个操作将产生一个（y，y）矩阵，它可能非常大。当然，计算这样一个矩阵（也就是说，加上一大堆数字并产生一大堆数字）要比加上一堆数字并产生一个数字花费更多的时间

---

这就是矩阵（或向量）乘法的工作原理。

输入的典型形状是什么？我认为这些运算是不同的

y.T@a

应该与

（a.T@y）相同。T

对，我又弄乱了矩阵维度。谢谢