使用Python计算不同维度数组的张量点积，进行双重收缩

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）的乘积进行求和。第三个参数可以是一个单个非负整数类标量 N；如果是这样，则对 a 的最后 N 维和 b 的前 N 维进行求和。

要计算不同维度数组的张量点积，请在 Python 中使用 numpy.tensordot() 方法。参数 a、b 是要进行“点积”的张量。参数 axes，整数类如果为整数 N，则按顺序对 a 的最后 N 个轴和 b 的前 N 个轴进行求和。对应轴的大小必须匹配。axes = 2 用于张量双重收缩。

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，请使用 numpy.tensordot() 方法：

print("\nTensor dot product...\n", np.tensordot(arr1, arr2, axes = 2))

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
print("\nTensor dot product...\n", np.tensordot(arr1, arr2, axes = 2))

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...
['pqqrrrssss' 'pppppqqqqqqrrrrrrrssssssss']

更新于：2022年3月2日

203 次浏览

启动您的职业生涯

通过完成课程获得认证

开始学习
广告