【发布时间】：2021-01-28 14:59:42
【问题描述】：
我有 4 个矩阵表示向量 v1 和 v2 的 (x, y) 分量。因此矩阵是x1, y1, x2, y2。
是否可以计算数组[x1_i, y1_i], [x2_i, y2_i] 之间的点积，其中 i 只是所有四个数组中的单个元素索引（它们都是相同的形状）。
到目前为止，我的解决方案是将它们堆叠在一起并进行 for 循环：
v1 = np.stack((y1, x1), axis=0)
v2 = np.stack((y2, x2), axis=0)
s = np.zeros(v1.shape[1:])
for i in range(v1.shape[1]):
for j in range(v1.shape[2]):
s[i,j] = np.dot(v1[:,i,j], v2[:,i,j])
最好的解决方案是对 v1 和 v2 中的所有元素在 axis=0 中的两个元素上进行点积。像 np.dot(v1,v2,axis=0)
x1.shape, y1.shape, x2.shape, y2.shape = (228, 192)After stacking: v1.shape, v2.shape = (2, 228, 192)
其中 i1 和 i2 是来自图像 (SimpleITK) 的数组的代码。
y1, x1 = np.gradients(i1)
y2, x2 = np.gradients(i2)
v1 = np.stack((y1, x1), axis=0)
v2 = np.stack((y2, x2), axis=0)
# this part is stupid
s = np.zeros(v1.shape[1:])
for i in range(v1.shape[1]):
for j in range(v1.shape[2]):
s[i,j] = np.dot(v1[:,i,j], v2[:,i,j])
感谢您的帮助
【问题讨论】：
-
v1、v2的形状是什么？您能否添加一个虚拟示例输入？
-
请添加您想要的输出示例。
-
这里有样本输入和输出会有很大帮助。 x1、y1、x2 和 y2 实际上是向量而不是矩阵吗？
-
matmul/@将前导维度视为“批次”，最后 2 个维度视为dot部分（A 的最后一个和 B 的第二个到最后一个的积和）。einsum允许您指定（几乎）任意轴组合。 -
或者你试过
np.sum( v1*v2, axis=0)吗？