数据结构
网络
RDBMS
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 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
时尚
法学用 Python 中的类数组轴计算具有不同维度的数组的张量点积
提供两个张量 a 和 b，以及包含两个类数组对象（a_axes、b_axes）的类数组对象，按照 a_axes 和 b_axes 指定的轴对 a 和 b 的元素（分量）的积求和。第三个参数可以是单个非负整数标量 N；如果这样，a 的最后 N 个维度和 b 的前 N 个维度进行求和。
步骤
首先，导入所需的库 −
import numpy as np
使用 array() 方法创建两个具有不同尺寸的 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)检查这两个数组的维度 −
print("\nDimensions of Array1...\n",arr1.ndim)
print("\nDimensions of Array2...\n",arr2.ndim)检查这两个数组的形状 −
print("\nShape of Array1...\n",arr1.shape)
print("\nShape of Array2...\n",arr2.shape)要计算具有不同维度的数组的张量点积，请使用 numpy.tensordot() 方法 −
print("\nTensor dot product...\n", np.tensordot(arr1, arr2, ((0, 1), (0, 1))))
例子
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
print("\nTensor dot product...\n", np.tensordot(arr1, arr2, ((0, 1), (0, 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... ['pqqqrrrrrsssssss' 'ppqqqqrrrrrrssssssss']
更新时间： 02-Mar-2022
205 次浏览
广告