Python 如何将此操作矢量化？

我必须执行以下操作数千次，这大大降低了我的代码速度：

T=50
D=10
K=20
x=np.random.randn（T，D）
y=np.random.randn（T，K）
结果=np.零（（K，D））
对于范围（k）内的k：
对于范围内的t（t）：
结果[k]+=y[t，k]*x[t]#将y中的标量元素与x中的行相乘

基本上，我试图将矩阵

y

的

k

列中的每个元素与

x

中相应的行相加，并将它们相加。我尝试使用

np.einsum（）

来解决这个问题：

result=np.einsum（“ij，ik->jk”，y，x）

---

这至少给了我

result.shape==（K，D）

，但结果不匹配！如何有效地执行此操作？使用

np.einsum（）

，这是否可能？

这些操作是相同的。您已经找到了（可能是最快的）矢量化操作

T = 50
D = 10
K = 20

x = np.random.randn(T, D)
y = np.random.randn(T, K)

result = np.zeros((K, D))

for k in range(K):
    for t in range(T):
        result[k] += y[t, k] * x[t]
           
result2 = np.einsum("ij,ik->jk", y, x)

np.allclose(result, result2)
Out[]: True

问题很可能是浮点数错误，无论您使用什么方法来确定它们是否“相同”。

np.allclose（）

就是解决这个问题的方法。它使用

float

s来舍入不同计算方法之间出现的非常小的错误

---

正如@QuangHoang在评论中指出的那样，

y.T@x

更具可读性

您是否尝试过

np.matmul（np.transpose（y），x）

？您的公式等于

y^T*x

，其中乘积是矩阵积（如线性代数中）也等于矩阵乘法：

y.T@x

。不幸的是

（np.matmul（np.transpose（y），x）！=result）。sum（）

产生

140

，因此200个元素中有140个是不相等的！这同样适用于

y.T@x

（当然）这是浮点错误，请看我的回答哦，伙计，我真的应该使用

np.allclose（）

！谢谢你提醒我这个功能。另外，我想我的目标是一个简单的矩阵乘法，这在我试图实现的论文中太隐蔽了。谢谢你的回答！