Python numpy matmul用法及代碼示例

本文簡要介紹 python 語言中 numpy.matmul 的用法。

用法:

numpy.matmul(x1, x2, /, out=None, *, casting='same_kind', order='K', dtype=None, subok=True [, signature, extobj, axes, axis ]) = <ufunc 'matmul'>

兩個數組的矩陣乘積。

參數：

x1, x2： array_like

輸入數組，不允許使用標量。

out： ndarray，可選

存儲結果的位置。如果提供，它必須具有與簽名 (n,k),(k,m)->(n,m) 匹配的形狀。如果未提供或 None，則返回一個新分配的數組。

**kwargs：

對於其他僅關鍵字參數，請參閱 ufunc 文檔。

返回：

y： ndarray

輸入的矩陣乘積。僅當 x1、x2 都是一維向量時，這才是標量。

拋出：

ValueError

如果 x1 的最後一個維度與 x2 的倒數第二個維度的大小不同。

如果傳入一個標量值。

注意：

行為取決於以下方式的參數。

• 如果兩個參數都是二維的，它們會像傳統矩陣一樣相乘。

• 如果任一參數是N-D，N > 2，則將其視為駐留在最後兩個索引中的矩陣堆棧並相應地廣播。

• 如果第一個參數是一維的，則通過在其維度前添加 1 將其提升為矩陣。在矩陣乘法之後，前麵的 1 被刪除。

• 如果第二個參數是一維的，則通過在其維度上附加 1 將其提升為矩陣。在矩陣乘法之後，附加的 1 被刪除。

matmul 在兩個重要方麵不同於 dot：

• 不允許使用標量乘法，請改用*。

• 矩陣堆棧一起廣播，就好像矩陣是元素一樣，尊重簽名 (n,k),(k,m)->(n,m) ：

  >>> a = np.ones([9, 5, 7, 4])
  >>> c = np.ones([9, 5, 4, 3])
  >>> np.dot(a, c).shape
  (9, 5, 7, 9, 5, 3)
  >>> np.matmul(a, c).shape
  (9, 5, 7, 3)
  >>> # n is 7, k is 4, m is 3

matmul 函數實現了@Python 3.5 中引入的運算符公眾號 465.

例子：

對於二維數組，它是矩陣乘積：

>>> a = np.array([[1, 0],
...               [0, 1]])
>>> b = np.array([[4, 1],
...               [2, 2]])
>>> np.matmul(a, b)
array([[4, 1],
       [2, 2]])

對於 2-D 與 1-D 混合，結果是通常的。

>>> a = np.array([[1, 0],
...               [0, 1]])
>>> b = np.array([1, 2])
>>> np.matmul(a, b)
array([1, 2])
>>> np.matmul(b, a)
array([1, 2])

廣播對於數組堆棧是常規的

>>> a = np.arange(2 * 2 * 4).reshape((2, 2, 4))
>>> b = np.arange(2 * 2 * 4).reshape((2, 4, 2))
>>> np.matmul(a,b).shape
(2, 2, 2)
>>> np.matmul(a, b)[0, 1, 1]
98
>>> sum(a[0, 1, :] * b[0 , :, 1])
98

向量，向量返回標量內積，但兩個參數都不是complex-conjugated：

>>> np.matmul([2j, 3j], [2j, 3j])
(-13+0j)

標量乘法會引發錯誤。

>>> np.matmul([1,2], 3)
Traceback (most recent call last):
...
ValueError: matmul: Input operand 1 does not have enough dimensions ...

@ 運算符可用作 ndarray 上 np.matmul 的簡寫。

>>> x1 = np.array([2j, 3j])
>>> x2 = np.array([2j, 3j])
>>> x1 @ x2
(-13+0j)