NumPy参考 >例行程序 >线性代数（numpy.linalg） > numpy.inner
numpy.inner（a，b ）¶两个数组的内积。
一维数组的向量的普通内积（无复共轭），在较高维度上，最后一个轴上的和积。
如果a和b是非标量的，则它们的最后尺寸必须匹配。
out.shape = a.shape [：-1] + b.shape [：-1]
如果a和b的最后一个尺寸具有不同的大小。
笔记
对于矢量（一维数组），它计算普通的内积：
np.inner(a, b) = sum(a[:]*b[:])
更一般而言，如果ndim（a）= r> 0且ndim（b）= s> 0：
np.inner(a, b) = np.tensordot(a, b, axes=(-1,-1))
或明确地：
np.inner(a, b)[i0,...,ir-1,j0,...,js-1]
= sum(a[i0,...,ir-1,:]*b[j0,...,js-1,:])
另外，a或b可以是标量，在这种情况下：
np.inner(a,b) = a*b
例子
向量的普通内积：
>>> a = np.array([1,2,3])
>>> b = np.array([0,1,0])
>>> np.inner(a, b)
2
多维示例：
>>> a = np.arange(24).reshape((2,3,4))
>>> b = np.arange(4)
>>> np.inner(a, b)
array([[ 14, 38, 62],
[ 86, 110, 134]])
一个示例，其中b是标量：
>>> np.inner(np.eye(2), 7)
array([[7., 0.],
[0., 7.]])