Python 使用numpy方法计算自定义核矩阵

我有一个形状为d X N的数据（每列都是特征向量） 我有以下用于计算内核矩阵的代码：

def kernel(x1, x2):
  return x1.T @ x2

data = np.array([[1,2,3], [1,2,3], [1,2,3]])
result = []
for i in range(data.shape[1]):
  current_result = []
  for j in range(data.shape[1]):
    x1 = data[:, i]
    x2 = data[:, j]
    current_result.append(kernel(x1, x2))
  result.append(current_result)

np.array(result)

几周前我问了这个问题：

我得到了这个答案：

 np.einsum('ji,jk->ik', a, a, optimize=True)

这是一个很好的答案，问题是它只适用于这个特定的内核。现在我需要使用一个不同的内核函数。 有没有办法只使用numpy函数来计算这些值？

你说的“它只适用于这个特定的内核”是什么意思？你能确切地描述一下为什么/在哪些情况下？