Python Numpy：将矩阵与3d张量相乘——建议

我有一个矩阵

p

和一个三维张量

T

和形状

KxNxR

。我想用

T

中的每个

NxR

矩阵乘以

P

，得到

KxMxR

3d张量

---

p.dot（T）.转置（1,0,2）

给出所需的结果。是否有更好的解决方案（即摆脱

转置

）来解决此问题？这一定是一个非常常见的操作，因此我假设其他人已经找到了不同的方法，例如使用

tensordot

（我尝试过，但没有得到预期的结果）。非常感谢您的意见

您也可以使用爱因斯坦求和符号：

scipy.tensordot(P, T, axes=[1,1]).swapaxes(0,1)

P = numpy.random.randint(1,10,(5,3))
P.shape
T = numpy.random.randint(1,10,(2,3,4))
T.shape

numpy.einsum('ij,kjl->kil',P,T)

这将为您提供与以下相同的结果：

P.dot(T).transpose(1,0,2)

---

哈昨天我盯着scipy.tensordot（P，T，axes=[1,1]）的结果看了几个小时，对交换的维度感到绝望。我不知道Swapax的事，谢谢！不客气。我还检查了交换轴是否给出了正确的数字答案，确实如此。