计算array1的ith行和array2 - NumPy的ith列的乘积
计算array1的ith行和array2 - NumPy的ith列的乘积
提问于 2016-10-02 18:41:38
我有一个矩阵M1的形状(N*2)和另一个矩阵M2 (2*N)，我想得到一个(N)的结果，每个元素i是M1的i第四行和M2的i第四列的乘积。我试着在NumPy中使用点，但是它只能给我矩阵乘法的结果，也就是(N*N)，当然，我可以取对角，这是我想要的，我想知道有更好的方法吗？
回答 1
Stack Overflow用户
回答已采纳
发布于 2016-10-02 18:50:40
方法#1
你可以用np.einsum -
np.einsum('ij,ji->i',M1,M2)解释:
原来的疯狂解决方案会是这样的-
def original_app(M1,M2):
N = M1.shape[0]
out = np.zeros(N)
for i in range(N):
out[i] = M1[i].dot(M2[:,i])
return out因此，对于每一次迭代，我们都有：
out[i] = M1[i].dot(M2[:,i])看看迭代器，我们需要将M1的第一个轴与M2的第二个轴对齐。同样，由于我们正在执行matrix-multiplication，而它的定义就是将M1的第二个轴与M2的第一个轴对齐，并且在每次迭代时也会减少这些元素的和。
在移植到einsum时，在指定字符串表示法时，要保持两个输入之间的轴对齐以具有相同的字符串。因此，对于M1和M2，输入将分别为M1和M2。在M1的第二个字符串丢失后，输出应该保留为i，这与减少和减少中来自M2的第一个字符串相同。因此，完整的字符串表示法是：'ij,ji->i'，最后的解决方案为：np.einsum('ij,ji->i',M1,M2)。
方法#2
M1中的cols数或M2中的行数是2。所以，或者，我们只需要切片，按元素进行乘法，然后把它们加起来，就像-
M1[:,0]*M2[0] + M1[:,1]*M2[1]运行时测试
In [431]: # Setup inputs
...: N = 1000
...: M1 = np.random.rand(N,2)
...: M2 = np.random.rand(2,N)
...:
In [432]: np.allclose(original_app(M1,M2),np.einsum('ij,ji->i',M1,M2))
Out[432]: True
In [433]: np.allclose(original_app(M1,M2),M1[:,0]*M2[0] + M1[:,1]*M2[1])
Out[433]: True
In [434]: %timeit original_app(M1,M2)
100 loops, best of 3: 2.09 ms per loop
In [435]: %timeit np.einsum('ij,ji->i',M1,M2)
100000 loops, best of 3: 13 µs per loop
In [436]: %timeit M1[:,0]*M2[0] + M1[:,1]*M2[1]
100000 loops, best of 3: 14.2 µs per loop巨大的加速！
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/39820372
复制相关文章
相似问题
腾讯云开发者
