Python 中的几种矩阵乘法 np.dot, np.multiply, *【转】
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了Python 中的几种矩阵乘法 np.dot, np.multiply, *【转】,小编现在分享给大家,供广大互联网技能从业者学习和参考。文章包含1637字,纯文字阅读大概需要3分钟。
内容图文
本文转载自:https://blog.csdn.net/u012609509/article/details/70230204
Python中的几种矩阵乘法
1. 同线性代数中矩阵乘法的定义: np.dot()
np.dot(A, B):对于二维矩阵,计算真正意义上的矩阵乘积,同线性代数中矩阵乘法的定义。对于一维矩阵,计算两者的内积。见如下Python代码:
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))
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
结果如下:
two_multi_res: [[22 28]
[49 64]]
one_result_res: 32
1
2
3
2. 对应元素相乘 element-wise product: np.multiply(), 或 *
在Python中,实现对应元素相乘,有2种方式,一个是np.multiply(),另外一个是*。见如下Python代码:
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))
1
2
3
4
5
6
7
8
9
10
11
12
13
结果如下:
element wise product: [[ 7 16 27]
[16 35 6]]
element wise product: [[ 7 16 27]
[16 35 6]]
---------------------
作者:cltdevelop
来源:CSDN
原文:https://blog.csdn.net/u012609509/article/details/70230204?utm_source=copy
版权声明:本文为博主原创文章,转载请附上博文链接!
原文:https://www.cnblogs.com/zzb-Dream-90Time/p/9774640.html
内容总结
以上是互联网集市为您收集整理的Python 中的几种矩阵乘法 np.dot, np.multiply, *【转】全部内容,希望文章能够帮你解决Python 中的几种矩阵乘法 np.dot, np.multiply, *【转】所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错,欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 gblab@vip.qq.com 举报,一经查实,本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。