numpy中表示向量和矩陣乘法的有四種"*"、outer、dot、multiply。

1、關于 "*" 的用法

"*" 也為對于元素的乘積，但是 "*" 作為乘法運算時，必須滿足 numpy 的 broadcasting(廣播) 的原則 ，當兩個矩陣相乘時，其法則為兩矩陣的對應的元素相乘，其用法與multiply相同。感覺“*”很雞肋，還不如直接用dot或multiply。實例如圖所示。

2、關于 outer 的用法

numpy.outer(a, b, out=None): 計算兩個向量的外積。假設向量 a = [a0, a1, ... , aM], b = [b0, b1, ..., bN], 則 a*b =[[a0*b0, a0*b1, ... ,a0*bM], [a1*b0, a1*b1, ... , a1*bN], .... , [aM*b0, aM*b1, ... , aM*bN]]; 注意：若 a，b 不為一維數組，則先將其變成一維數組，即可得 a(M,)和 b(N,) 這種形式。也就是說outer只適用于一維數組的計算。實例如圖所示。

3、關于 dot 的用法

對于一維數組，則是各元素的乘積；對于二維數組，它相當于矩陣的乘法。實例如下。

4、關于 multiply 的用法

為矩陣的相應元素的乘積，值得注意的是，multiply的兩組元素的shape必須一致。實例如下。

總結

以上是生活随笔為你收集整理的内部矩阵维度必须一致simulink_深度学习/目标检测之numpy——向量和矩阵乘法相关...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。