Python 矩阵与三维数组的Numpy乘法

我试着用k乘以k矩阵

W=np.array([[W_11,...,W_1k],...,[W_k1,...W_kk]])

A=np.array([A_1,...,A_k])

（其中W_ij是数字） 一个（k，m，m）多维数组

W=np.array([[W_11,...,W_1k],...,[W_k1,...W_kk]])

A=np.array([A_1,...,A_k])

其中A_i是m×m矩阵

如果

其中a_i是数字，然后是numpy.dot

点（W，A）只产生法向矩阵向量积，即C有形状（k，1），一个有形状

C[i]=np.数组（[W_i1a_1+W_i2a_2+…W_ik*a_k]）

我想知道的是，将W和A相乘的最佳方法是什么，其中A不一定是向量，即A_I是m×m矩阵，它模仿乘积，就像A_I=[A_I]，即我希望C=np。点（W，A）具有形状（k，m，m），C[I]应该是m×m矩阵

W_i1A_1+…W_ikA_k

---

当然，我可以通过循环来实现这一点，但我正在寻找一个有效的解决方案。

根据我对您的问题的理解，您可以使用

numpy.einsum

：

C = np.einsum('ij,jkl->ikl', W, A)

---

应该做这项工作。

查看np.EIN简单添加一个python标记谢谢。它似乎能完成任务。