python中numpy.dot()計(jì)算矩陣相乘
一、如何用 python 計(jì)算矩陣乘法?
使用 Numpy 包里的 dot() 函數(shù)。
該函數(shù)主要功能有兩個(gè):向量點(diǎn)積 和 矩陣乘法 。
格式:x.dot(y) 等價(jià)于 np.dot(x,y)
x 是m × n 矩陣 ,y 是 n×m 矩陣,則 x.dot(y) 得到 m×m 矩陣。
二、實(shí)例
向量相乘,得到內(nèi)積
import numpy as np x=np.array([0,1,2,3,4]) #等價(jià)于 x=np.arange(0,5) y=x[::-1] print(x) print(y) print(np.dot(x,y))
輸出結(jié)果:
[0 1 2 3 4]
[4 3 2 1 0]
10
矩陣相乘,得到矩陣的積
(1)實(shí)例 1
import numpy as np x=np.arange(0,5) # 0,10,是隨機(jī)數(shù)的方位,size=(5,1),也就是5維矩陣,且每一維元素?cái)?shù)為1個(gè) y=np.random.randint(0,10,size=(5,1)) print(x) print(y) # 查看矩陣或者數(shù)組的維數(shù) print("x.shape:"+str(x.shape)) print("y.shape"+str(y.shape)) print(np.dot(x,y))
輸出結(jié)果:
[0 1 2 3 4]
[[1]
[7]
[1]
[3]
[8]]
x.shape:(5,)
y.shape(5, 1)
[50]
(2)實(shí)例 2
import numpy as np x=np.arange(0,6).reshape(2,3) y=np.random.randint(0,10,size=(3,2)) print(x) print(y) print("x.shape:"+str(x.shape)) print("y.shape"+str(y.shape)) print(np.dot(x,y))
輸出結(jié)果:
[[0 1 2]
[3 4 5]]
[[1 8]
[6 1]
[3 9]]
x.shape:(2, 3)
y.shape(3, 2)
[[12 19]
[42 73]]
參考鏈接
到此這篇關(guān)于python中numpy.dot()計(jì)算矩陣相乘的文章就介紹到這了,更多相關(guān)python numpy.dot()矩陣相乘內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
詳解Python腳本如何消費(fèi)多個(gè)Kafka?topic
kafka-python庫是一個(gè)流行的Kafka客戶端庫,本文主要為大家詳細(xì)介紹了如何通過這個(gè)庫創(chuàng)建一個(gè)Kafka消費(fèi)者,并同時(shí)消費(fèi)多個(gè)Kafka?topic,需要的可以了解下2024-11-11Python圖像處理之圖像算術(shù)與邏輯運(yùn)算詳解
這篇文章將詳細(xì)講解圖像算法運(yùn)算與邏輯運(yùn)算,包括圖像加法、圖像減法、圖像與運(yùn)算、圖像或運(yùn)算、圖像非運(yùn)算與圖像異或運(yùn)算。感興趣的可以了解一下2022-01-01python發(fā)送郵件示例(支持中文郵件標(biāo)題)
python發(fā)送中文郵件示例,支持中文郵件標(biāo)題和中文郵件內(nèi)容。支持多附件。根據(jù)用戶名推測(cè)郵件服務(wù)器提供商2014-02-02tensorflow實(shí)現(xiàn)訓(xùn)練變量checkpoint的保存與讀取
今天小編就為大家分享一篇tensorflow實(shí)現(xiàn)訓(xùn)練變量checkpoint的保存與讀取,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2020-02-02Python寫的一個(gè)定時(shí)重跑獲取數(shù)據(jù)庫數(shù)據(jù)
本文給大家分享基于python寫的一個(gè)定時(shí)重跑獲取數(shù)據(jù)庫數(shù)據(jù)的方法,非常不錯(cuò),具有參考借鑒價(jià)值,需要的朋友參考下2016-12-12