数据结构
网络
关系数据库管理系统 (RDBMS)
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C语言编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
服装学
法学在Python中计算不同维度数组在特定轴上的张量点积
给定两个张量 a 和 b，以及一个包含两个类数组对象的类数组对象 (a_axes, b_axes)，在由 a_axes 和 b_axes 指定的轴上对 a 和 b 的元素（分量）的乘积求和。第三个参数可以是一个单一的非负整数型标量 N；如果是这样，则对 a 的最后 N 维和 b 的前 N 维求和。
要计算不同维度数组的张量点积，可以使用 Python 中的 numpy.tensordot() 方法。参数 a、b 是要“点乘”的张量。
参数 axes，整数型：如果为整数 N，则按顺序对 a 的最后 N 个轴和 b 的前 N 个轴求和。对应轴的大小必须匹配。
步骤
首先，导入所需的库：
import numpy as np
使用 array() 方法创建两个不同维度的 numpy 数组：
arr1 = np.array(range(1, 9))
arr1.shape = (2, 2, 2)
arr2 = np.array(('p', 'q', 'r', 's'), dtype=object)
arr2.shape = (2, 2)显示数组：
print("Array1...\n",arr1)
print("\nArray2...\n",arr2)检查两个数组的维度：
print("\nDimensions of Array1...\n",arr1.ndim)
print("\nDimensions of Array2...\n",arr2.ndim)检查两个数组的形状：
print("\nShape of Array1...\n",arr1.shape)
print("\nShape of Array2...\n",arr2.shape)要计算不同维度数组的张量点积，可以使用 numpy.tensordot() 方法：
print("\nTensor dot product...\n", np.tensordot(arr1, arr2, axes = 1))
示例
import numpy as np
# Creating two numpy arrays with different dimensions using the array() method
arr1 = np.array(range(1, 9))
arr1.shape = (2, 2, 2)
arr2 = np.array(('p', 'q', 'r', 's'), dtype=object)
arr2.shape = (2, 2)
# Display the arrays
print("Array1...\n",arr1)
print("\nArray2...\n",arr2)
# Check the Dimensions of both the arrays
print("\nDimensions of Array1...\n",arr1.ndim)
print("\nDimensions of Array2...\n",arr2.ndim)
# Check the Shape of both the arrays
print("\nShape of Array1...\n",arr1.shape)
print("\nShape of Array2...\n",arr2.shape)
# To compute the tensor dot product for arrays with different dimensions, use the numpy.tensordot() method in Python
# The a, b parameters are Tensors to “dot”.
print("\nTensor dot product...\n", np.tensordot(arr1, arr2, axes = 1))输出
Array1... [[[1 2] [3 4]] [[5 6] [7 8]]] Array2... [['p' 'q'] ['r' 's']] Dimensions of Array1... 3 Dimensions of Array2... 2 Shape of Array1... (2, 2, 2) Shape of Array2... (2, 2) Tensor dot product... [[['prr' 'qss'] ['ppprrrr' 'qqqssss']] [['ppppprrrrrr' 'qqqqqssssss'] ['ppppppprrrrrrrr' 'qqqqqqqssssssss']]]
更新于：2022年3月2日
127 次浏览
广告