numpy.dot#

numpy.dot(a, b, out=None)#

两个数组的点积.具体来说,

  • 如果 a 和 b 都是 1-D 数组,则它是向量的内积(不带复共轭).

  • 如果 a 和 b 都是 2-D 数组,则是矩阵乘法,但最好使用 matmul 或 a @ b .

  • 如果 a 或 b 中有一个是 0-D(标量),它等价于 multiply ,最好使用 numpy.multiply(a, b) 或 a * b .

  • 如果 a 是一个 N-D 数组, b 是一个 1-D 数组,则它是 a 的最后一个轴和 b 的和乘积.

  • 如果 a 是一个 N-D 数组, b 是一个 M-D 数组 (其中 M>=2 ),则它是 a 的最后一个轴和 b 的倒数第二个轴的和乘积:

    dot(a, b)[i,j,k,m] = sum(a[i,j,:] * b[k,:,m])

如果可能,它使用优化的 BLAS 库(参见 numpy.linalg ).

参数:
aarray_like

第一个参数.

barray_like

第二个参数.

outndarray, 可选

输出参数. 这必须具有与不使用时返回的完全相同的类型. 特别是,它必须具有正确的类型,必须是 C-连续的,并且其 dtype 必须是为 dot(a,b) 返回的 dtype. 这是一项性能特性. 因此,如果未满足这些条件,则会引发异常,而不是尝试灵活处理.

返回:
outputndarray

返回 a 和 b 的点积. 如果 a 和 b 都是标量或都是 1-D 数组,则返回标量;否则,返回数组. 如果给出了 out ,那么它将被返回.

提出:
ValueError

如果 a 的最后一个维度的大小与 b 的倒数第二个维度的大小不相同.

参见

vdot

复共轭点积.

vecdot

两个数组的向量点积.

tensordot

在任意轴上的和乘积.

einsum

爱因斯坦求和约定.

matmul

带有 out 参数的 ‘@’ 运算符作为方法.

linalg.multi_dot

链式点积.

示例

>>> import numpy as np
>>> np.dot(3, 4)
12

两个参数都不是复共轭的:

>>> np.dot([2j, 3j], [2j, 3j])
(-13+0j)

对于 2-D 数组,它是矩阵乘积:

>>> a = [[1, 0], [0, 1]]
>>> b = [[4, 1], [2, 2]]
>>> np.dot(a, b)
array([[4, 1],
       [2, 2]])

>>> a = np.arange(3*4*5*6).reshape((3,4,5,6))
>>> b = np.arange(3*4*5*6)[::-1].reshape((5,4,6,3))
>>> np.dot(a, b)[2,3,2,1,2,2]
499128
>>> sum(a[2,3,2,:] * b[1,2,:,2])
499128
当前页面