当前位置: 首页>>代码示例 >>用法及示例精选 >>正文


Python numpy linalg.multi_dot用法及代码示例


本文简要介绍 python 语言中 numpy.linalg.multi_dot 的用法。

用法:

linalg.multi_dot(arrays, *, out=None)

在单个函数调用中计算两个或多个数组的点积,同时自动选择最快的评估顺序。

multi_dot 链接 numpy.dot 并使用矩阵的最佳括号[1] [2]。根据矩阵的形状,这可以大大加快乘法速度。

如果第一个参数是一维的,则将其视为行向量。如果最后一个参数是一维,则将其视为列向量。其他参数必须是二维的。

multi_dot 视为:

def multi_dot(arrays): return functools.reduce(np.dot, arrays)

参数

arrays 数组 序列

如果第一个参数是一维,则将其视为行向量。如果最后一个参数是一维,则将其视为列向量。其他参数必须是二维的。

out ndarray,可选

输出参数。这必须具有在未使用时将返回的确切类型。特别是,它必须具有正确的类型,必须是C-contiguous,并且它的 dtype 必须是要返回的 dtype点(a,b).这是一个性能特征。因此,如果不满足这些条件,则会引发异常,而不是尝试灵活处理。

返回

output ndarray

返回所提供数组的点积。

注意

矩阵乘法的成本可以使用以下函数计算:

def cost(A, B):
    return A.shape[0] * A.shape[1] * B.shape[1]

假设我们有三个矩阵

两种不同括号的成本如下:

cost((AB)C) = 10*100*5 + 10*5*50   = 5000 + 2500   = 7500
cost(A(BC)) = 10*100*50 + 100*5*50 = 50000 + 25000 = 75000

参考

1

Cormen,“Introduction to Algorithms”,第 15.2 章,p。 370-378

2

https://en.wikipedia.org/wiki/Matrix_chain_multiplication

例子

multi_dot 允许您编写:

>>> from numpy.linalg import multi_dot
>>> # Prepare some data
>>> A = np.random.random((10000, 100))
>>> B = np.random.random((100, 1000))
>>> C = np.random.random((1000, 5))
>>> D = np.random.random((5, 333))
>>> # the actual dot multiplication
>>> _ = multi_dot([A, B, C, D])

代替:

>>> _ = np.dot(np.dot(np.dot(A, B), C), D)
>>> # or
>>> _ = A.dot(B).dot(C).dot(D)

相关用法


注:本文由纯净天空筛选整理自numpy.org大神的英文原创作品 numpy.linalg.multi_dot。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。