Numpy - 带有 2d 数组的多个 3d 数组答案

【问题标题】：Numpy - multiple 3d array with a 2d arrayNumpy - 带有 2d 数组的多个 3d 数组
【发布时间】：2018-04-06 09:59:35
【问题描述】：

我正在尝试以下方法：

给定一个矩阵 A (x, y ,3) 和另一个矩阵 B (3, 3)，我想返回一个 (x, y, 3) 矩阵，其中 A 的第三维乘以值的 B （类似于将 RGB 图像转换为灰色，只是那些“RGB”值乘以矩阵而不是标量）...

这是我尝试过的：

np.multiply(B, A)
np.einsum('ijk,jl->ilk', B, A)
np.einsum('ijk,jl->ilk', A, B)

所有这些都因尺寸未对齐而失败。

我错过了什么？

【问题讨论】：

【解决方案1】：

你可以使用np.tensordot -

np.tensordot(A,B,axes=((2),(1)))

einsum 相当于 -

np.einsum('ijk,lk->ijl', A, B)

我们也可以使用A.dot(B.T)，但这会在后台循环。所以，可能不是最喜欢的，但它是一个紧凑的解决方案，

【讨论】：

这些功能没有错误！ :)) 但由于某种原因我得到了错误的值...我的意思是当我尝试使用新值显示图像时出现错误
@DanielY 也许你的意思是sum-reduce B 的第一个轴？然后，使用：np.tensordot(A,B,axes=((2),(0)))?
@DanielY 另外，请确保您没有溢出并使用 uint8 dtype 进行图像显示。
我得到了很多负值...我认为我的 B 错误或颠倒...我会检查一下。谢谢
在尝试 tensordot() 函数时，我得到的结果矩阵为 (3, x, y) 而不是 (x, y, 3)

【解决方案2】：

对不起，我认为您可以使用简单的 numpy 方法来做这样的事情：

首先，您可以重塑 A，使其纤维（或深度向量 A[:,:,i]）将作为列放置在矩阵 C 中：

C = A.reshape(x*y,3).T

然后使用简单的矩阵乘法即可：

D = numpy.dot(B,C)

最后把结果恢复到原来的尺寸：

D.T.reshape([x,y,3])

【讨论】：