Python中的几种矩阵乘法（小结）

Z时代
2024-01-10
分类：综合

一. np.dot()

1.同线性代数中矩阵乘法的定义。np.dot(A, B)表示：

对二维矩阵，计算真正意义上的矩阵乘积。

对于一维矩阵，计算两者的内积。

2.代码

【code】


import numpy as np
# 2-D array: 2 x 3
two_dim_matrix_one = np.array([[1, 2, 3], [4, 5, 6]])
# 2-D array: 3 x 2
two_dim_matrix_two = np.array([[1, 2], [3, 4], [5, 6]])
two_multi_res = np.dot(two_dim_matrix_one, two_dim_matrix_two)
print('two_multi_res: %s' %(two_multi_res))
# 1-D array
one_dim_vec_one = np.array([1, 2, 3])
one_dim_vec_two = np.array([4, 5, 6])
one_result_res = np.dot(one_dim_vec_one, one_dim_vec_two)
print('one_result_res: %s' %(one_result_res))

【result】

two_multi_res: [[22 28]
[49 64]]
one_result_res: 32

二. np.multiply()或 *

1.在Python中，实现对应元素相乘（element-wise product），有2种方式，

一个是np.multiply()

另外一个是 *

2.代码

【code】


import numpy as np
# 2-D array: 2 x 3
two_dim_matrix_one = np.array([[1, 2, 3], [4, 5, 6]])
another_two_dim_matrix_one = np.array([[7, 8, 9], [4, 7, 1]])
# 对应元素相乘 element-wise product
element_wise = two_dim_matrix_one * another_two_dim_matrix_one
print('element wise product: %s' %(element_wise))
# 对应元素相乘 element-wise product
element_wise_2 = np.multiply(two_dim_matrix_one, another_two_dim_matrix_one)
print('element wise product: %s' % (element_wise_2))

【result】