如何求不同维数Numpy数组的内积

import numpy as np

# 定义两个一维数组
a = np.array([1, 2, 3])
b = np.array([4, 5, 6])

# 计算内积
inner_product = np.dot(a, b)
print("向量内积:", inner_product)

# 定义两个二维数组（矩阵）
A = np.array([[1, 2], [3, 4]])
B = np.array([[5, 6], [7, 8]])

# 计算内积（矩阵乘法）
matrix_product = np.dot(A, B)
print("矩阵内积:\n", matrix_product)

# 定义两个三维数组
C = np.array([[[1, 2], [3, 4]], [[5, 6], [7, 8]]])
D = np.array([[[9, 10], [11, 12]], [[13, 14], [15, 16]]])

# 计算沿着特定轴的内积
# 例如，沿着第二个轴（axis=1）计算内积
inner_product_3d = np.tensordot(C, D, axes=([1], [1]))
print("高维数组内积:\n", inner_product_3d)

# 示例：调整数组形状以匹配
A = np.array([[1, 2], [3, 4]])
B = np.array([[5, 6, 7], [8, 9, 10]])

# 调整B的形状以匹配A
B = B[:, :2]  # 只取前两列

# 现在可以计算内积
matrix_product = np.dot(A, B)
print("调整后的矩阵内积:\n", matrix_product)