Numpy中np.dot与np.matmul的区别详解
作用相同的情况
在若两个array的维度均为两维的情况下，两个函数的结果是相同的，例如：
a = np.array([i for i in range(6)]).reshape([2,3])
b = np.array([i for i in range(6)]).reshape([3,2])
"""
a
[[0 1 2]
[3 4 5]]
b
[[0 1]
[2 3]
[4 5]]
""">>> np.dot(a,b)
array([[10, 13],
[28, 40]])
>>> np.matmul(a,b)
array([[10, 13],
[28, 40]])作用不同的情况
在三维的情况下，假设
a = np.array([i for i in range(12)]).reshape([2,2,3])
b = np.array([i for i in range(12)]).reshape([2,3,2])
"""
a
[[[ 0 1 2]
[ 3 4 5]]
[[ 6 7 8]
[ 9 10 11]]]
b
[[[ 0 1]
[ 2 3]
[ 4 5]]
[[ 6 7]
[ 8 9]
[10 11]]]
""">>> np.matmul(a,b)
array([[[ 10, 13],
[ 28, 40]],
[[172, 193],
[244, 274]]])
>>> np.matmul(a,b).shape
(2, 2, 2)这是因为matmul将最后两维作为矩阵的两维，相当于有2个2 ∗ 2 2*22∗2的矩阵，因此通过对应位置矩阵进行矩阵乘法，会得到2个2 ∗ 2 2*22∗2的结果
>>> np.dot(a,b)
array([[[[ 10, 13],
[ 28, 31]],
[[ 28, 40],
[100, 112]]],
[[[ 46, 67],
[172, 193]],
[[ 64, 94],
[244, 274]]]])
>>> np.dot(a,b).shape
(2, 2, 2, 2)可以看到其结果与matmul不同并且结果是四维的，这是因为dot将a数组的最后一维作为向量，并将b数组的倒数第二维作为了另一个向量，因此a中可以看成有2 ∗ 2 2*22∗2个向量，b中有2 ∗ 2 2*22∗2个向量，dot会将a的向量与b的向量全部组合在一起，因此会有( 2 ∗ 2 ) ∗ ( 2 ∗ 2 ) (2*2)*(2*2)(2∗2)∗(2∗2)种结果。
到此这篇关于Numpy中np.dot与np.matmul的区别详解的文章就介绍到这了,更多相关Numpy np.dot与np.matmul内容请搜索以前的文章或继续浏览下面的相关文章希望大家以后多多支持！
相关文章