numpy.tensordot #
- 麻木的。张量( a , b ,轴= 2 ) [来源] #
沿指定轴计算张量点积。
给定两个张量a和b以及一个包含两个 array_like 对象 的 array_like 对象,将a和b的元素(分量)在和指定的轴上的 乘积求和 。第三个参数可以是单个非负integer_like标量;;如果是这样,则将a的最后一个维度和b的第一个维度相加。
(a_axes, b_axes)
a_axes
b_axes
N
N
N
- 参数:
- a, b类似数组
张量为“点”。
- 轴int 或 (2,) array_like
integer_like 如果是 int N,则按顺序对a的后 N 个轴和b的前 N 个轴求和。相应轴的尺寸必须匹配。
(2,) array_like 或者,要求和的轴列表,第一个序列应用于a,第二个序列应用于b。 array_like 两个元素的长度必须相同。
- 返回:
- 输出数组
输入的张量点积。
笔记
- 三个常见用例是:
axes = 0
:张量积\(a\otimes b\)axes = 1
:张量点积\(a\cdot b\)axes = 2
:(默认)张量双收缩\(a:b\)
当axes是integer_like时,评估的顺序将是:首先是a中的第-N轴和b中的第0轴,最后是a中的-1轴和b中的第N轴。
当有多个轴要求和时 - 并且它们不是a ( b ) 的最后一个(第一个)轴 - 参数轴应由两个相同长度的序列组成,第一个要求和的轴首先在两个序列,第二个轴第二个,依此类推。
结果的形状由第一个张量的非收缩轴和第二个张量的非收缩轴组成。
例子
一个“传统”的例子:
>>> a = np.arange(60.).reshape(3,4,5) >>> b = np.arange(24.).reshape(4,3,2) >>> c = np.tensordot(a,b, axes=([1,0],[0,1])) >>> c.shape (5, 2) >>> c array([[4400., 4730.], [4532., 4874.], [4664., 5018.], [4796., 5162.], [4928., 5306.]]) >>> # A slower but equivalent way of computing the same... >>> d = np.zeros((5,2)) >>> for i in range(5): ... for j in range(2): ... for k in range(3): ... for n in range(4): ... d[i,j] += a[k,n,i] * b[n,k,j] >>> c == d array([[ True, True], [ True, True], [ True, True], [ True, True], [ True, True]])
利用 + 和 * 重载的扩展示例:
>>> a = np.array(range(1, 9)) >>> a.shape = (2, 2, 2) >>> A = np.array(('a', 'b', 'c', 'd'), dtype=object) >>> A.shape = (2, 2) >>> a; A array([[[1, 2], [3, 4]], [[5, 6], [7, 8]]]) array([['a', 'b'], ['c', 'd']], dtype=object)
>>> np.tensordot(a, A) # third argument default is 2 for double-contraction array(['abbcccdddd', 'aaaaabbbbbbcccccccdddddddd'], dtype=object)
>>> np.tensordot(a, A, 1) array([[['acc', 'bdd'], ['aaacccc', 'bbbdddd']], [['aaaaacccccc', 'bbbbbdddddd'], ['aaaaaaacccccccc', 'bbbbbbbdddddddd']]], dtype=object)
>>> np.tensordot(a, A, 0) # tensor product (result too long to incl.) array([[[[['a', 'b'], ['c', 'd']], ...
>>> np.tensordot(a, A, (0, 1)) array([[['abbbbb', 'cddddd'], ['aabbbbbb', 'ccdddddd']], [['aaabbbbbbb', 'cccddddddd'], ['aaaabbbbbbbb', 'ccccdddddddd']]], dtype=object)
>>> np.tensordot(a, A, (2, 1)) array([[['abb', 'cdd'], ['aaabbbb', 'cccdddd']], [['aaaaabbbbbb', 'cccccdddddd'], ['aaaaaaabbbbbbbb', 'cccccccdddddddd']]], dtype=object)
>>> np.tensordot(a, A, ((0, 1), (0, 1))) array(['abbbcccccddddddd', 'aabbbbccccccdddddddd'], dtype=object)
>>> np.tensordot(a, A, ((2, 1), (1, 0))) array(['acccbbdddd', 'aaaaacccccccbbbbbbdddddddd'], dtype=object)