计算矩阵数组与另一个矩阵的行或列的点积答案

【问题标题】：Calculate the dot product of an array of matrices and the rows or columns of another matrix计算矩阵数组与另一个矩阵的行或列的点积
【发布时间】：2019-10-12 13:12:07
【问题描述】：

有两个 ndarray，数组 d 形状为 (3,10,10) 和数组 e 形状为 (3,10)，我如何计算 d 的第一个 10x10 矩阵的点积和e的第一行、d的第二个10x10矩阵和e的第二行等

例如，有以下两个数组：

d = np.array([np.diag([1,1,1,1,1,1,1,1,1,1]), 
              np.diag([2,2,2,2,2,2,2,2,2,2]), 
              np.diag([3,3,3,3,3,3,3,3,3,3])])     
e = np.arange(30).reshape((3,10))

如何计算 3x10 数组：

array([[ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9],
       [20, 22, 24, 26, 28, 30, 32, 34, 36, 38],
       [60, 63, 66, 69, 72, 75, 78, 81, 84, 87]])

我尝试使用np.dot 和np.tensordot 并在这样做之前将新轴转置并添加到e，但我不知道如何解决这个问题。

【问题讨论】：

标签： python numpy linear-algebra tensor dot-product

【解决方案1】：

我们可以使用np.einsum -

np.einsum('ijk,ij->ik',d,e)

玩弄它的 optimize 标志以使用 BLAS。

或者np.matmul-

np.matmul(d,e[...,None])[...,0]

注意：在 Python 3.x 上，np.matmul 可以替换为 @ operator。

【讨论】：

谢谢！您知道使用np.tensordot 可能会如何工作吗？我不知道我的错误是什么，或者这是否可以使用该函数。
@AlexR tensordot 不起作用，因为我们需要保持第一个轴远离它们对齐。阅读此处了解更多信息 - stackoverflow.com/questions/41870228。