在 Python 中计算不同维度数组的张量点积

给定两个张量 a 和 b，以及一个包含两个 array_like 对象的 array_like 对象 (a_axes,b_axes)，将 a 和 b 元素 (分量) 在 a_axes 和 b_axes 指定的轴上的乘积相加。第三个参数可以是单个非负的 integer_like 标量 N；如果是这样，则将 a 的最后 N 个维度和 b 的前 N ​​个维度相加。

要计算不同维度数组的张量点积，请使用 numpy.tensordot() 方法。a、b 参数是"dot"的张量。axes 参数 integer_like 如果是 int N，则按顺序对 a 的最后 N 个轴和 b 的前 N ​​个轴求和。相应轴的大小必须匹配。

步骤

首先，导入所需的库 −

import numpy as np

使用 array() 方法创建两个具有不同维度的 numpy 数组 −

arr1 = np.array(range(1, 9))
arr1.shape = (2, 2, 2)
arr2 = np.array(('p', 'q', 'r', 's'), dtype=object)
arr2.shape = (2, 2)

显示数组 −

print("Array1...\n",arr1)
print("\nArray2...\n",arr2)

检查两个数组的维度 −

print("\nDimensions of Array1...\n",arr1.ndim)
print("\nDimensions of Array2...\n",arr2.ndim)

检查两个数组的形状 −

print("\nShape of Array1...\n",arr1.shape)
print("\nShape of Array2...\n",arr2.shape)

要计算具有不同维度的数组的张量点积，请使用 Python 中的 numpy.tensordot() 方法 −

print("\nTensor dot product...\n", np.tensordot(arr1, arr2))

示例

import numpy as np

# 使用 array() 方法创建两个具有不同维度的 numpy 数组
arr1 = np.array(range(1, 9))
arr1.shape = (2, 2, 2)
arr2 = np.array(('p', 'q', 'r', 's'), dtype=object)
arr2.shape = (2, 2)

# 显示数组
print("Array1...\n",arr1)
print("\nArray2...\n",arr2)

# 检查两个数组的维度
print("\nDimensions of Array1...\n",arr1.ndim)
print("\nDimensions of Array2...\n",arr2.ndim)

# 检查两个数组的形状
print("\nShape of Array1...\n",arr1.shape)
print("\nShape of Array2...\n",arr2.shape)

# 要计算具有不同维度的数组的张量点积，请使用 Python 中的 numpy.tensordot() 方法
print("\nTensor dot product...\n", np.tensordot(arr1, arr2))

输出

Array1...
[[[1 2]
[3 4]]

[[5 6]
[7 8]]]

Array2...
[['p' 'q']
['r' 's']]

Array1 的维度...
3

Array2 的维度...
2

Array1 的形状...
(2, 2, 2)

Array2 的形状...
(2, 2)

张量点积...
['pqqrrrssss' 'pppppqqqqqqrrrrrrrssssssss']

相关文章

• 在 NumPy 中查找给定月份的工作日数量
• 查找 numpy 数组的大小
• 查找 NumPy 数组中的最大和最小元素
• 使用 Python 中的 NumPy 生成具有给定根的 Hermite_e 级数
• 查找两个 NumPy 数组的并集
• Python - Numpy 数组上的操作
• Numpy 中的结构化数组
• 如何使用 NumPy Arrange 创建线性增加的值序列?
• 如何获取 NumPy 数组在特定索引位置的值?
• 使用 NumPy 在给定列表中查找数字的倍数

有用资源

• python 参考教程 - 该教程包含有关 python 的更多信息:https://www.cainiaomax.com/python/