np.dot错误地将矩阵乘法更改为元素乘积
。np.dot是NumPy库中的函数，用于计算两个数组的矩阵乘法。矩阵乘法是指将两个矩阵相乘得到一个新的矩阵，其中新矩阵的元素是通过将第一个矩阵的行与第二个矩阵的列进行内积得到的。
而元素乘积是指将两个数组的对应元素相乘得到一个新的数组，其中新数组的元素是由两个数组对应位置的元素相乘得到的。
np.dot错误地将矩阵乘法更改为元素乘积可能导致结果不符合预期，特别是在涉及到矩阵运算的算法和应用中。如果需要进行矩阵乘法运算，应该使用正确的函数，如np.matmul或@运算符。
以下是对np.dot错误地将矩阵乘法更改为元素乘积的答案进行完善和补充：
矩阵乘法是线性代数中的重要运算，它在各种领域中都有广泛的应用，包括图像处理、机器学习、人工智能等。矩阵乘法的优势在于能够将多个线性变换组合成一个线性变换，从而简化计算和提高效率。
应用场景：
- 机器学习中的神经网络训练：神经网络的前向传播和反向传播过程中需要进行大量的矩阵乘法运算，用于计算输入和权重之间的线性组合。
- 图像处理中的卷积运算：卷积运算可以通过矩阵乘法来实现，用于图像的滤波和特征提取。
- 三维图形渲染：在计算机图形学中，矩阵乘法用于将三维物体的顶点坐标转换到屏幕坐标系中，实现物体的旋转、平移和缩放等变换。
推荐的腾讯云相关产品和产品介绍链接地址：
- 腾讯云计算服务：https://cloud.tencent.com/product
- 腾讯云人工智能服务：https://cloud.tencent.com/product/ai
- 腾讯云物联网平台：https://cloud.tencent.com/product/iotexplorer
- 腾讯云移动开发服务：https://cloud.tencent.com/product/mobile
- 腾讯云存储服务：https://cloud.tencent.com/product/cos
- 腾讯云区块链服务：https://cloud.tencent.com/product/baas
- 腾讯云元宇宙服务：https://cloud.tencent.com/product/vr
需要注意的是，以上推荐的腾讯云产品仅供参考，具体选择应根据实际需求和项目要求进行评估和决策。
相关·内容
3回答
假设我有Numpy数组p和一个稀疏矩阵q，这样
>>> p.shape
(10,)
>>> q.shape
(10,100)
我想做一个p和q的点乘积。当我尝试使用numpy时，我得到以下结果：
>>> np.dot(p,q)
Traceback (most recent call last):
File "/usr/local/lib/python2.7/dist packages/IPython/core/interactiveshell.py", line 2883, in run_code
exec(co
浏览 4提问于2015-06-25得票数 1
回答已采纳
1回答
我已经使用glMultMatrix进行了一系列转换。如何将一个向量(nX，nY，nZ，1)与转换后得到的矩阵相乘？如何将该矩阵与向量相乘？
pyglet.gl.lib.GLException: invalid operation
如果我使用glMultMatrix，我会得到上面的错误。我需要调用glBegin和glEnd之间的乘法。
浏览 1提问于2010-11-05得票数 0
1回答
我使用numpy创建了两个数组：
import numpy as np
a = np.array([[1, 5, 7], [6, 8, 9]])
b = np.array([[1, 8, 8], [5, 8, 0], [8, 9, 0]])
np.dot(a, b)
现在，在执行np.dot(a, b)时，我得到了错误：
ValueError:操作数不能与形状(2,3) (3,3)一起广播。
通常，如果a的最后一个维度与b的第二个到最后一个维的大小不同，则会产生值错误。我的代码有什么问题？
浏览 2提问于2018-01-26得票数 2
4回答
矩阵乘法有一个数值上的最优阶吗？
、、、、
TL;DR:问题是关于乘法精度。
我必须乘矩阵A (100x8000)、B (8000x27)和C (27x1)。
由于矩阵B和C是常数，而A是可变的，所以我更倾向于将其计算为：ABC = np.dot(A, np.dot(B, C))。然而，我想知道，数字可能比np.dot(np.dot(a, B), C)差(就的准确性而言，)。
重要的是:矩阵A和B包含8000个样本，分别包含100个和27个相关特征。
是否存在数值最优(就精度而言，)的乘法顺序？如果是的话-我怎么确定呢？
特例
可以假定A矩阵和B矩阵都是非负的。此外：
C = np.linalg.solve(cov(B, k), X)
浏览 0提问于2019-07-08得票数 8
我有两个矩阵
a = np.matrix([[1,2], [3,4]])
b = np.matrix([[5,6], [7,8]])
我想得到元素的乘积，[[1*5,2*6], [3*7,4*8]]，等于
[[5,12], [21,32]]
我试过了
print(np.dot(a,b))
和
print(a*b)
但两者都给出了结果
[[19 22], [43 50]]
它是矩阵乘积，而不是元素乘积。如何使用内置函数获得元素级产品(也称为Hadamard产品)？
浏览 497提问于2016-10-14得票数 146
回答已采纳
2回答
我对Numpy阵列感到很困惑。假设我有两个Numpy数组。
a = np.array([[1,2], [3,4], [5,6]])
b = np.array([[1,10], [1, 10]])
我对a和b的解释是3x2和2x2矩阵，即，
a = 1 2 b = 1 10
3 4 1 10
5 6
然后，我认为做a * b应该很好，因为它是3x2和2x2矩阵的乘法。然而，这是不可能的，我不得不使用a.dot(b)。
考虑到这个事实，我认为我对Numpy数组的整数是不正确的。有人能让我知道我该怎么看待Numpy数组吗？我知道，如果我将a*b和b转换成np.ma
浏览 2提问于2016-11-08得票数 0
回答已采纳
1回答
我试着用Numpy做矩阵点积和转置，我发现数组可以做很多矩阵可以做的事情，例如点积、逐点积和转置。
当我必须创建一个矩阵时，我必须首先创建一个数组。
示例：
import numpy as np
array = np.ones([3,1])
matrix = np.matrix(array)
由于我可以做矩阵转置和点积的数组类型，我不需要将数组转换为矩阵操作。
例如，下面的行是有效的，其中A是ndarray：
dot_product = np.dot(A.T, A )
以前的矩阵运算可以用矩阵类变量A表示。
dot_product = A.T * A
运算符*与ndarray的逐点
浏览 1提问于2017-01-25得票数 0
回答已采纳
2回答
我正在实现一些计算way图的PageRank的迭代算法，并且在寻找存储某些矩阵的最佳方法时遇到了一些困难。
我有一个B n x n矩阵，它表示has图(如果有从j到i的弧线，则为0；outdegree[j]是从节点j发出的弧数)，我将其存储为scipy.sparse.dok_matrix，因为它主要有0条目。问题是，我必须计算许多矩阵x向量乘积类型的Px，其中
P = B + (1/n)*e*d^T
其中，e是所有的1向量，而d是一个布尔向量，在组件j中有1，如果是outdegree[j] > 0。基本上，e*d^T是一种线性代数“技巧”，它用列(所有列都由1s或0s组成)编写n x n
浏览 4提问于2013-12-17得票数 1
回答已采纳
我知道我可以使用numpy数组使用.dot语法进行矩阵乘法。规则的*乘法是按元素进行乘法的.
a = np.array([[1,2],[3,4]])
print 'matrix multiplication', a.dot(a)
print 'element-wise multiplication', a * a
> matrix multiplication [[ 7 10] [15 22]]
> element-wise multiplication [[ 1 4] [ 9 16]]
这很好，但与我学过的所有矩阵运算相反(例如，“点积
浏览 3提问于2016-10-31得票数 0
回答已采纳
1回答
当我发现以下奇怪之处时，我在networkx中使用了下面的代码块。在第一种情况下，我在稀疏矩阵上使用了ufunc乘(*)，它意外地正确地给出了一个度序列。然而，当对一个普通的矩阵做同样的处理时，它给出了一个10×10的矩阵，正如预期的那样，np.dot(.)给了我正确的结果。
import numpy as np
import networks as nx
ba = nx.barabasi_albert_graph(n=10, m=2)
A = nx.adjacency_matrix(ba)
# <10x10 sparse matrix of type '<class
浏览 1提问于2017-07-03得票数 0
回答已采纳
7回答
我试图用形状(41)和(41,6)将2矩阵x，y相乘，因为它应该将单个矩阵广播给多维中的每个箭头。
我想这样做：
x*y
但我知道这个错误
ValueError: operands could not be broadcast together with shapes (41,6) (41,)
我在这有什么好怀念的吗？
浏览 0提问于2016-10-26得票数 4
回答已采纳
2回答
掩蔽矩阵乘法
、、、
我有一个A = N x M矩阵和另一个数组B = N x P x M，其中P通常是9或15。对于来自A的每个向量A，它必须与同一行的B中的每个pi相乘，才能得到维度N x P的输出。
我正在使用numpy和Python，并将在GPU上执行此操作。
举一个很小的例子，让N=4，M=5，P=3。
让A是：
array([[0.18503431, 0.2628188 , 0.26343728, 0.8356702 , 0.47581551],
[0.70827725, 0.04006919, 0.58975722, 0.90874113, 0.43946412],
[0.
浏览 5提问于2020-08-02得票数 2
回答已采纳
当取两个向量的点积时，我观察到一个wierd输出。我的代码是
a1 = np.array([[1], [2], [3]])
a2 = np.array([[1, 2, 3]])
print(a1*a2)
print(np.dot(a1, a2))
两者的输出都是相同的，我不明白为什么当被问到点时，它会乘以两个矩阵
产品。对于形状为(x，1)和(1，y)的任意矩阵也是如此。
谢谢
浏览 4提问于2020-10-02得票数 1
回答已采纳
3回答
我试图用包含多个矩阵的数组计算一个矩阵乘法，并将其相乘。使用np.dot (或者Py3.5 +中的新@运算符)可以很容易地实现两个矩阵，但是我很难扩展它以有效地评估多维数组。
举个例子，假设矩阵A有形状(5,3,3)，B有形状(5,3)。现在，我要对每5种情况下的后续部分进行多个矩阵:即do
res[0] = np.dot(A[0], B[0])
res[1] = np.dot(A[1], B[1])
etc
我可以通过一个循环成功地实现这一点，例如：
A = np.random.random((5,3,3))
B = np.random.random((5,3))
res = np.zer
浏览 0提问于2017-03-23得票数 2
回答已采纳
1回答
我被塞在了一个点上，在python中实现梯度下降。
梯度下降的公式是：
for iter in range(1, num_iters):
hypo_function = np.sum(np.dot(np.dot(theta.T, X)-y, X[:,iter]))
theta_0 = theta[0] - alpha * (1.0 / m) * hypo_function
theta_1 = theta[1] - alpha * (1.0 / m) * hypo_function
出了一个错误：
-> hypo_function = np.sum(np.dot
浏览 1提问于2015-09-26得票数 3
4回答
位姿绕原点的三维旋转
、、、
我想改变一个关于起源的姿势。我的姿势包含一个位置x，y，z和一个以四元数表示的方位x，y，z，w。我有一个4x4变换矩阵，我用它来平移和旋转姿态在原点周围的位置。
np.dot(transforma_mat, np.transpose(np.append(pose.position, 1)))
因此，当原点移动和旋转时，姿态的起点也会移动和旋转。然而，我不知道我如何能够旋转的姿态的方向。
我可以使用将四元数转换为欧拉角和旋转矩阵(反之亦然)。
故事:有一个物体可以移动和旋转。机器人末端执行器在物体移动和旋转之前有一个姿势.我想更新末端执行器的姿态，使其与物体一起移动和旋转。
浏览 4提问于2015-05-13得票数 1
回答已采纳
4回答
我有两组2乘2的复数矩阵，我想知道将它们相乘的最快方法是什么。(我想对矩阵数组的元素进行矩阵乘法。)目前，我有
numpy.array(map(lambda i: numpy.dot(m1[i], m2[i]), range(l)))
但还能比这做得更好吗？
谢谢,
v923z
浏览 0提问于2011-09-08得票数 6
1回答
我有一个相当大的数据集，我正在计算它的奇异值分解，然后我想要得到矩阵。我的矩阵形状是：(33388,104)，它有很多列和行。我想要80%的能量，也就是k=51。
当我在return中返回我的矩阵时，我得到了以下错误：
operands could not be broadcast together with shapes (33388,51) (51,51)
img is a numpy array of an image file k is the number of singular vectors to use
我如何纠正我的函数来修复这个错误？
def rank_k_approx(i
浏览 20提问于2017-12-16得票数 0
回答已采纳
下面的代码崩溃了，错误如下: ValueError:操作数不能和shapes (5,5) (5,23)一起广播我知道这两个矩阵可以相乘，这是怎么回事？
def recon_temp(recon_pc_matrix, ew, eof, n, p):
new_temps = np.zeros((p, p))
for i in range(0,p-1):
a = np.array([ew[i]*(recon_pc_matrix[i,0:p])]).T
b = np.array([eof[i, 0:n]])
new_temps = np.
浏览 1提问于2014-05-22得票数 2
我试图理解为什么numpy的点函数的行为是这样的：
t1 = np.array( [1, 0] )
t2 = np.array( [ [7,6],
[7,6],
[7,6],
[7,6]] )
np.dot(t1，t2)是由于矩阵乘法错误而产生的故障：
ValueError:形状(2，)和(4,2)不对齐:2 (dim 0) != 4 (dim 0)
这是对的。我能理解。但是为什么np.dot(t2，t1)有输出而不是np.dot(t1，t2)的相同错误？不同的参数顺序被不同的解释。
浏览 2提问于2016-10-01得票数 0
回答已采纳
2回答
在NumPy中：
A = np.array([[1,2,3],[4,5,6]])
array([[1, 3, 5],
[2, 4, 6]])
B = np.array([[1,2],[3,4],[5,6]])
array([[1, 2],
[3, 4],
[5, 6]])
A.dot(B)
array([[35, 44],
[44, 56]])
我只关心得到A.dot(B).diagonal() = array([35, 56])
有没有一种方法可以不用计算所有行和列的内积就可以得到array([35, 56])？即ith row与i
浏览 4提问于2012-11-20得票数 3
回答已采纳
1回答
我有几个数字数组，我想要乘(使用dot，所以矩阵乘法)。我想把它们都放到一个数字数组中，但我想不出怎么做。
例如。
a = np.random.randn((10,2,2))
b = np.random.randn((10,2))
所以我有10个2x2矩阵(a)和10个2x1矩阵(b)。我能做的是：
c = np.zeros((10,2))
for i in range(10):
c[i] = np.dot(a[i,:,:],b[i,:])
你明白了吧。
但是我觉得有一种dot或tensordot的用法，或者可以在一行中很容易地做到这一点。我只是无法理解dot和tensordot函数的&g
浏览 1提问于2014-12-09得票数 2
回答已采纳
当两个相似矩阵1*2类[1,2]相乘时，[3,5]用numpy.dot进行，给出了一个结果，当它在相乘两个相似的阵列时，实际上应该给出一个形状和尺寸误差。引擎盖下面是怎么回事？
a=[1,2]
b=[6,3]
result=[np.dot(b, a)]
print(result)
O/P= 12
但,
a=[[1,2]]
b=[[6,3]]
result=[np.dot(b, a)]
print(result)
错误：
O/P= ValueError:形状(1,2)和(1,2)不对齐:2 (dim 1) != 1 (dim 0)
浏览 0提问于2019-08-10得票数 1
我有一个简单的代数问题，我想用numpy来解决它(当然，我可以用numba轻松地解决它，但这不是重点)。
我们考虑一个第一随机矩阵A (m )，n个大值，第二个随机矩阵B ( n )。
A = np.random.random((1E6, 1E2))
B = np.random.random((1E2, 1E2))
我们要计算以下表达式：
np.diag(np.dot(np.dot(A,B),B.T))
问题是整个矩阵被加载到内存中，然后提取对角线。是否有可能以一种更有效的方式进行这一操作？
浏览 5提问于2021-11-07得票数 3
回答已采纳
5回答
尝试制作3 x 3矩阵乘法器，但输出错误。我不知道我做错了什么。我面对的两个问题是：
(1)一些变量存储了错误的输入。例如，a[1][1]显示7，尽管我输入了1
(2)矩阵乘法错误
#include <stdio.h>
#include <conio.h>
void matrix_format(int m[2][2])
{
int i,j;
printf("\n\n");
for(i=0;i<=2;i++)
{
for(j=0;j<=2;j++)
{
if(j==0)
printf("[ %d |&
浏览 0提问于2011-10-04得票数 0
回答已采纳
1回答
我尝试将基本矩阵与一个单列矩阵( 2D齐次坐标)相乘，但得到以下错误：CvException occurred - OpenCV: src1.size == dst.size && src1.channels() == dst.channels()
代码如下所示：
IntPtr fundamentalMatrix = CvInvoke.cvCreateMat(3, 3, MAT_DEPTH.CV_32F);
[... finding the fundamental matrix ...]
IntPtr cam1PointRef = CvInvoke.cvCreateMat(
浏览 0提问于2012-08-31得票数 0
回答已采纳
我有一个矩阵m，它有一些float数。当我把它与恒等矩阵相乘时，当得到的矩阵变成零的时候，一些元素。实际上，矩阵不应该有变化。有谁可以帮我？
在上面的图像中，在矩阵中没有0.013。
浏览 1提问于2021-01-03得票数 0
我试图在两个不同维数的矩阵之间使用Numpy中的点乘积。W是(1，5)，X是(3，5)，我不确定我可以使用哪个命令来更改维度，因为我对python还不熟悉。谢谢。
当我尝试运行我的函数时，它会给出一个错误：
ValueError: shapes (1,5) and (3,5) not aligned: 5 (dim 1) != 3 (dim 0)
from numpy.core.memmap import ndarray
def L(w, X, y):
"""
Arguments:
w -- vector of size n representi
浏览 8提问于2022-09-11得票数 -1
1回答
我可以使用哪种方法？
、、、、
我正在使用anaconda，下一段代码是提取两个矩阵之间的相关系数。第一个矩阵读取左上角矩阵的16个文件。求和是为了得到平均值，以便与另一个文件的结果进行比较
`` `python
for i in range(0,16):
i = i + 5
file = pd.read_csv(path,header=None)
file=file.fillna(0)
file = pd.DataFrame(file)
matrix = np.matrix(file)
matrix = np.flip(matrix, 1)
b = np.copy(m
浏览 2提问于2019-09-20得票数 0
2回答
我在matlab主页上发现下面的例子()，点积的结果是6,15 Tha与我在numpy中的结果不同。这是问题吗？
In [79]: W1 * W2
Out[79]:
array([[ 3., 0.],
[ 3., 20.]])
In [80]: W1
Out[80]:
array([[ 1., 2.],
[ 3., 4.]])
In [81]: W2
Out[81]:
array([[ 3., 0.],
[ 1., 5.]])
In [82]: np.dot(W1,W2)
Out[82]:
array([[ 5.,
浏览 0提问于2015-05-25得票数 0
回答已采纳
2回答
我已经实现了一个高斯-牛顿优化过程，它包括通过求解一个线性化的系统Hx = b来计算增量。H矩阵由H = J.transpose() * W * J计算，b由b = J.transpose() * (W * e)计算，其中e是误差向量。这里的Jacobian是一个n乘以6的矩阵，其中n是以千为单位的矩阵，并且在迭代过程中保持不变，而W是一个n乘以n的对角线权重矩阵，它将在迭代中改变(一些对角线元素将被设置为零)。然而，我遇到了一个速度问题。
当我不添加权重矩阵W，即H = J.transpose()*J和b = J.transpose()*e时，我的高斯-牛顿过程可以在0.02秒内快速运行30
浏览 15提问于2017-07-06得票数 6
2回答
在科学计算中，我经常想做向量乘法，比如
a x b^T
a和b是行向量，b^T是向量的转置。因此，如果a和b为n，1和m，1，则生成的矩阵为n，m形。
有一种很好的、直接的方法来写这个乘法在numpy中吗？
示例：
a = np.array([1,2,3])
b = np.array([4,5,6,7])
手动添加轴可以：
a[:,np.newaxis] @ b[np.newaxis,:]
并给出了正确的结果：
[[ 4 5 6 7]
[ 8 10 12 14]
[12 15 18 21]]
爱因斯坦表示法可能是另一种方式，但还是有点奇怪。
np.einsum('a,b-&g
浏览 0提问于2018-05-15得票数 3
回答已采纳
2回答
我想要计算向量，
S=A B u，
其中s和u是N维复向量，A是N×M复矩阵，B是M×N复矩阵。当A、B和u的元素表示为浮点数时，以下哪两种方法具有更好的准确性(更有效的数字)？
(1)先计算B。
首先做矩阵向量乘法，
Y=B u
然后，另一个矩阵向量乘法
S=A y
(2)先计算A、B。
首先做矩阵-矩阵乘法，
C=A B
然后，矩阵向量乘法
S=C U
有什么已知的一般规则吗？
顺便说一下，我知道方法(1)比方法(2)效率高得多。
浏览 2提问于2011-09-26得票数 3
回答已采纳
我正在用python实现Andrew ng的机器学习课程。在编程练习2中，关于第一个问题，我得到了代价函数和梯度的答案，但是当计算优化θ时，我得到了一个灾难性的答案！
我已经尽力了，但找不到错误。
def sigmoid(x):
return 1 / (1 + np.exp(-x))
def cost_compute( theta,x, y):
J = (-1/m) * np.sum(np.multiply(Y, np.log(sigmoid(X @ theta)))
+ np.multiply((1-Y), np.log(1 - sigmoid(X @
浏览 1提问于2019-06-13得票数 1
回答已采纳
1回答
我想在矩阵X上定义一些函数。例如，mean(pow(X - X0, 2))，其中X0是另一个矩阵(X0是固定/常数)。为了更具体地说明，让我们假设X和X0都是10 x 10矩阵。操作的结果是一个实数。
现在我有了一个大矩阵(比方说500 x 500)。我想将上面定义的操作应用于“大”矩阵的所有10 x 10子矩阵。换句话说，我想将10 x 10窗口滑过“大”矩阵。每个窗口的位置，我应该得到一个真实的数字。因此，作为最后的结果，我需要得到一个实值矩阵(或2D张量)(它的形状应该是491 x 491)。
我想要的是接近卷积层，但不是完全相同的，因为我想使用均方偏差，而不是用神经元表示的线性函数。
浏览 3提问于2016-12-27得票数 3
回答已采纳
我尝试了许多方法，但都不起作用，例如：
a = np.mat([1, 2, 3])
b = np.mat([4, 5, 6]).T
c = np.mat([[1, 2], [3, 4]])
print(a * b * c)
ValueError:形状(1,1)和(2,2)未对齐:1(尺寸1) != 2(尺寸0)
或者：
a = np.mat([1, 2, 3])
b = np.mat([4, 5, 6]).T
c = np.mat([[1, 2], [3, 4]])
print(np.dot(a, b) * c)
ValueError:形状(1,1)和(2,2)未对齐:1(尺寸1) != 2(
浏览 27提问于2017-08-04得票数 0
1回答
我正在为一个简单的神经网络编写一个简单的线性回归成本函数(Python)。我遇到了以下两种不同的方法，可以用numpy (np)矩阵对m个例子进行误差(代价)求和。
费用职能是：
def compute_cost(X, Y, W):
m = Y.size;
H = h(X,W)
error = H-Y
J = (1/(2*m)) * np.sum(error **2, axis=0) #1 (sum squared error over m examples)
return J
X是输入矩阵。Y是输出矩阵(标签)。W是权重矩阵。
看来这一声明：
J = (1/(2*m)) * np.sum
浏览 0提问于2018-08-14得票数 0
回答已采纳
2回答
python中稀疏矩阵的矩阵幂
、、、、
我试图找出一种方法，对稀疏矩阵M: M^k =M*.*M倍，其中*是矩阵乘法(numpy.dot)，而不是按元素进行乘法。
我知道如何对正常矩阵这样做：
import numpy as np
import scipy as sp
N=100
k=3
M=(sp.sparse.spdiags(np.ones(N), 0, N, N)-sp.sparse.spdiags(np.ones(N), 2, N, N)).toarray()
np.matrix_power(M,k)
我如何才能做到稀疏M：
M=(sp.sparse.spdiags(np.ones(N), 0, N, N)-sp.spars
浏览 5提问于2015-02-24得票数 4
回答已采纳
2回答
我有两个数组(为了示例，让我们将它们命名为A和B)，我对它们执行以下操作，但是在代码中分配"d2“时会出现错误。
n = len(tracks) #tracks is a list containing different-length 3d arrays
n=30; #test with a few tracks
length = len(tracks) #list containing the total number of "samples"
perm_index = np.random.permutation(length) #uniform samplin
浏览 5提问于2014-10-29得票数 0
回答已采纳
我有两个矩阵，分别是M和N，分别为m×n和m×l。我想要建立第三矩阵的大小l乘以N，使得新矩阵的(i，j)第四项是M的第一列与N的第j‘列相乘得到的向量之和。
例如：
M = matrix(1:16, 4,4)
> M
[,1] [,2] [,3] [,4]
[1,] 1 5 9 13
[2,] 2 6 10 14
[3,] 3 7 11 15
[4,] 4 8 12 16
N = matrix(20:27,4,2)
> N
[,1] [,2]
[1,] 20 24
[2
浏览 3提问于2014-03-09得票数 0
回答已采纳
假设我在numpy中有一个矩阵，比如：
In [66]: data = np.arange(6).reshape(2,3)
In [67]: data
Out[67]:
array([[0, 1, 2],
[3, 4, 5]])
In [68]: type(data)
Out[68]: numpy.ndarray
我想得到data0的乘积:T(它应该是3乘1矩阵)和数据的乘积，结果应该是3乘3矩阵。
所以，我写道：
M = np.dot(data[0,:].T, data[1,:])
但这给了我一个数字，而不是3乘3矩阵。
我注意到numpy.ndarray中的切片给了我一
浏览 2提问于2014-11-11得票数 0
回答已采纳
我有两个多维NumPy数组，A和B，以及A.shape = (K, d, N)和B.shape = (K, N, d)。我想在轴0 (K)上执行一个按元素进行的运算，该操作是对轴1和2 (d, N和N, d)的矩阵乘法。因此，结果应该是一个带有C.shape = (K, d, d)的多维数组C.shape = (K, d, d)，从而使C[k] = np.dot(A[k], B[k])。一个简单的实现应该如下所示：
C = np.vstack([np.dot(A[k], B[k])[np.newaxis, :, :] for k in xrange(K)])
但是这个实现是缓慢的。一种稍微快一
浏览 7提问于2012-04-25得票数 6
2回答
我正在尝试做一些矩阵计算，比如 def get_P(X,Z):
n_sample,n_m,n_t,n_f = X.shape
res = np.zeros((n_sample,n_m,n_t,n_t))
for i in range(n_sample):
res[i,:,:,:] = np.dot(X[i,:,:,:],Z[i,:,:])
return res 因为X和Z的大小很大，所以计算一个np.dot需要600ms以上的时间，而我在X中有10k行。 有没有什么办法可以加快速度呢？
浏览 26提问于2021-09-01得票数 1
2回答
(在你告诉我之前，是的，我知道你永远不应该颠倒矩阵。不幸的是，在我的计算中，我构造了一个矩阵，它必须以某种方式倒置。)
我有一个很大的矩阵M，它是病态的.numpy.linalg.cond(M)输出一个大小为e+22的值。矩阵M为(1000,1000)形。
当然，numpy.linalg.inv()会导致许多精度错误。所以，我用numpy.linalg.solve()来反演矩阵。
考虑矩阵逆A^{-1}是由A * A^{-1} = Identity定义的。numpy.linalg.solve()计算精确解x，即满秩线性矩阵方程ax = b。
因此，我定义了恒等矩阵：
import numpy
浏览 4提问于2015-07-06得票数 3
回答已采纳
1回答
我在给scipy.signal.dlsim方法提供正确的输入时遇到了问题。
该方法需要4个状态空间矩阵：
A = np.array([
[0.9056, -0.1908, 0.0348, 0.0880],
[0.0973, 0.8728, 0.4091, -0.0027],
[0.0068, -0.1694, 0.9729, -0.6131],
[-0.0264, 0.0014, 0.1094, 0.6551]
])
B = np.array([
[0, -0.0003, -0.0330, -0.0042, -0.0037],
[0,
浏览 0提问于2015-01-20得票数 11
回答已采纳
2回答
你知道在numpy中有像hermitian矩阵类这样的东西吗？我想优化矩阵计算，比如
B=U*A* U.H
，其中A(因此，B)是厄米特的。在不指定的情况下，将计算B的所有矩阵元素。事实上，它应该能够在这里节省大约2倍的系数。我错过了什么吗？
我需要的方法应该取A的上/下三角形，U的完整矩阵，并返回B的上/下三角形。
浏览 1提问于2015-11-06得票数 2
1回答
二维矩阵间多重乘积的np.dot
、、、、
我有一个代码，其中我需要在矩阵之间进行大量的乘法运算。该代码旨在用于任意维度n的2D矩阵，其原则上可能非常大，使得程序非常慢。到目前为止，为了进行乘法运算，我一直使用np.dot，如下面的示例所示
def getV(csi, e, e2, k):
ktrans = k.transpose()
v = np.dot(csi, ktrans)
v = np.dot(v, e)
v = np.dot(v, k)
v = np.dot(v, csi)
v = np.dot(v, ktrans)
e2trans = e2.transpose()
浏览 1提问于2015-03-19得票数 1
1回答
用转置向量计算向量
、、、、
我正在计算矩阵内的散射，其中我有一个50x20的向量，我遇到的情况是，将转置向量乘以原来的向量，会给出一个维数误差，它说：
操作数不能与形状一起广播(50,20) (20,50)
我尝试的是：array = my_array * my_array_transposed并得到了前面提到的错误。
另一种办法是这样做：
new_array = np.dot(my_array, np.transpose(my_array))
例如，在Octave中，这可能要容易得多，但是由于矢量的大小，如果这是进行以下计算的方法，我就很难确定地面真相：
因为据我所知，关于乘法是否是元素，有一些相关的东西
浏览 5提问于2020-06-26得票数 0
回答已采纳
1回答
点积稀疏矩阵
、、、、
在python中有两个稀疏矩阵(a和b)，它们具有以下维度：
a = <240760x2177930 sparse matrix of type '<class 'numpy.float64'>'
with 1127853 stored elements in Compressed Sparse Row format>
和
b = <240760x2177930 sparse matrix of type '<class 'numpy.float64'>'
with 439
浏览 2提问于2016-04-22得票数 7
回答已采纳
2回答
我得到了两个2D矩阵，每个单元都是一个具有三个元素的向量。 我要做的是使用2D矩阵乘法，当任何一个单元相乘时，它取三个元素向量的点积。 我的线性代数技能不足，所以如果已经有了答案，我很抱歉，我已经看了很多关于tensordot和einsum的页面，但我不明白它们如何适用于我的情况。 这基本上就是我所得到的： import numpy as np
ar1 = np.array([[[1,2,3],[3,4,5]],[[5,6,7],[7,8,9]]])
ar2 = np.array([[[2,3,4],[4,5,6]],[[6,7,8],[8,9,10]]]) 下面是如何制作我想要的东西： f
浏览 23提问于2019-06-25得票数 2
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
