Python中的张量积

有人能告诉我如何用python做张量积吗。我的意思是，例如，我有5（6,1）（类：numpy.ndarray）个数组，我需要这5（6,1）个数组的张量积，所以我的输出将是（6,6,6,6,6）张量。

为了得到那个张量。您必须有6个数组。 因为对于5个向量，在进行向量乘积时只能选择5x6x5的形状。这张图片会让你更容易概括

所以，对于6个数组，我将其称为a0，a1…a5。当您通过应用转置将1复制到其他对象时。在numpy中，您可以创建一个循环：

a0*a0.T

，

a0*a1.T

您现在将拥有a0的6x6，a1的6x6，。。。a5的6x6。现在把它们叠在一起。6x6x6的（a0、a2…a5）。现在，您需要通过切换a0、a1、…的位置来形成其他（6x6）到形成（6x6）

---

继续执行此操作，以获得进一步的结果，您可以获得（6x6）张量

，以获得该张量。您必须有6个数组。 因为对于5个向量，在进行向量乘积时只能选择5x6x5的形状。这张图片会让你更容易概括

所以，对于6个数组，我将其称为a0，a1…a5。当您通过应用转置将1复制到其他对象时。在numpy中，您可以创建一个循环：

a0*a0.T

，

a0*a1.T

您现在将拥有a0的6x6，a1的6x6，。。。a5的6x6。现在把它们叠在一起。6x6x6的（a0、a2…a5）。现在，您需要通过切换a0、a1、…的位置来形成其他（6x6）到形成（6x6）

---

继续这样做，以获得一个（6x6）张量。下面的步骤对你有用吗

import numpy as np

a1 = np.arange(6)
a2 = np.arange(6)
a3 = np.arange(6)
a4 = np.arange(6)
a5 = np.arange(6)

oo = np.einsum('i,j,k,l,m',a1,a2,a3,a4,a5)

---

以下内容对你有用吗

import numpy as np

a1 = np.arange(6)
a2 = np.arange(6)
a3 = np.arange(6)
a4 = np.arange(6)
a5 = np.arange(6)

oo = np.einsum('i,j,k,l,m',a1,a2,a3,a4,a5)

---

添加一个例子。添加一个例子。是的，效果很好。但是，我有列向量shape（6,1）上面的代码没有使用shape（6,1）列向量执行，所以我将向量重塑为（6），然后得到了所需的输出。上面的代码给出了一维数组的张量积（例如：形状（6），但是如果我采用一个看起来与（6）相同的二维形状（1,6），但不会产生相同的张量积输出。事实上，这就是张量积的工作原理。例如：形状（1,6）和形状（1,6）的张量积给出（1,6,1,6）输出。但是形状（6）的张量积而shape（6，）通过使用einsum的shape（6，6）给了我所需的输出。是的，它工作得很好。但是，我有列向量shape（6，1）上面的代码没有使用shape（6，1）列向量执行，所以我将向量重塑为（6，），然后我得到了所需的输出。上面的代码给出了一维数组的张量积（例如：shape（6，）但是如果我用一个看起来和（6）一样的二维形状（1,6），但不会产生相同的张量积输出。事实上，这就是张量积的工作原理。例如：形状（1,6）和形状（1,6）的张量积给出（1,6,1,6）输出。但是形状（6）和形状（6）的张量积给出了形状（6,6）的期望输出使用einsum。对不起，我不理解上面的推论，但是根据维基百科，外积或（6，）和（6，）的张量积给出（6,6）张量。因此，对于5（6，）向量，它给出（6,6,6,6,6）张量。（（6，）的积将与（6，）.t一起。然后与（6，）一起，并与（6，）重复。然后（6，）。它不可能是66666，但我是通过使用einsum（这篇文章中的代码）得到的。对不起，我不理解上面的推论，但根据维基百科，外积或张量积（6，）和（6，）给出（6,6）张量。因此，对于5（6，）个向量，它给出（6,6,6,6,6）张量。（（6，）的乘积将与（6，）.t一起。然后与（6，）一起，并与（6，）一起重复。）它不可能是66666，但我是通过使用einsum（本文中的代码）获得的。