在python numpy中获取张量积而不执行求和

我有两个张量，每个2D，有一个共同的长轴（例如20.000）和不同的短轴（例如一个9另一个10）。我想以9X10X20000张量结束，这样对于长轴上的每个位置，其他两个轴就是张量积。 明确地说，对于这里的“长”轴4，我想做：

A = np.arange(8).reshape(2,4)
B = np.arange(12).reshape(3,4)
C = np.zeros(2,3,4)
for i in range(2):
    for j in range(3):
        for k in range(4):
            C[i,j,k] = A[i,k]*B[j,k]

这段代码可以工作，但我想知道：有没有一种不运行for循环的简单方法

上下文用于训练神经网络，长轴是训练示例。当计算成本函数的梯度时，我得到了这种形式的公式。 干杯 Leo

我倾向于用它来解决这些问题，这样就可以很容易地根据指数来指定应该发生什么：

>>> A = np.arange(8).reshape(2,4)
>>> B = np.arange(12).reshape(3,4)
>>> np.einsum('ik,jk->ijk', A, B)
array([[[ 0,  1,  4,  9],
        [ 0,  5, 12, 21],
        [ 0,  9, 20, 33]],

       [[ 0,  5, 12, 21],
        [16, 25, 36, 49],
        [32, 45, 60, 77]]])

---

您还可以使用普通的old：

上述内容相当于更简单的内容：

>>> A[:, None] * B
array([[[ 0,  1,  4,  9],
        [ 0,  5, 12, 21],
        [ 0,  9, 20, 33]],

       [[ 0,  5, 12, 21],
        [16, 25, 36, 49],
        [32, 45, 60, 77]]])

>>> A[:, None] * B
array([[[ 0,  1,  4,  9],
        [ 0,  5, 12, 21],
        [ 0,  9, 20, 33]],

       [[ 0,  5, 12, 21],
        [16, 25, 36, 49],
        [32, 45, 60, 77]]])