将einsum表示法转换为for循环
einsum表示法是一种用于计算多维数组乘法的简洁且高效的表示方法。它通过使用字母标记来表示数组的维度，并使用这些标记来指定乘法操作的方式。
具体来说，einsum表示法使用一个字符串来描述乘法操作的输入和输出。字符串由三部分组成：输入标记、输出标记和乘法操作符。输入标记和输出标记用逗号分隔，乘法操作符用箭头符号 "->" 分隔。
例如，对于两个矩阵 A 和 B，它们的乘法可以使用 einsum 表示法表示为 "ij,jk->ik"。其中，"ij" 表示 A 的行和列，"jk" 表示 B 的行和列，"ik" 表示输出矩阵的行和列。
einsum 表示法的优势在于它提供了一种简洁而灵活的方式来描述多维数组的乘法操作。相比于传统的 for 循环实现，einsum 表示法可以更清晰地表达计算逻辑，并且在某些情况下可以提供更高的计算效率。
einsum 表示法在科学计算、机器学习、信号处理等领域都有广泛的应用。它可以用于矩阵乘法、张量乘法、矩阵转置、矩阵求逆、矩阵分解等各种线性代数运算。
腾讯云提供了一系列与云计算相关的产品，其中包括云服务器、云数据库、云存储、人工智能服务等。这些产品可以帮助用户快速搭建和部署云计算环境，并提供高性能的计算和存储能力。
以下是一些腾讯云相关产品和产品介绍链接地址：
- 云服务器（Elastic Compute Cloud，简称 CVM）：提供灵活可扩展的云服务器实例，支持多种操作系统和应用场景。详细信息请参考：腾讯云云服务器
- 云数据库（TencentDB）：提供多种数据库服务，包括关系型数据库、NoSQL 数据库和数据仓库等。详细信息请参考：腾讯云云数据库
- 云存储（Cloud Object Storage，简称 COS）：提供安全可靠的对象存储服务，适用于存储和管理各种类型的数据。详细信息请参考：腾讯云云存储
- 人工智能服务（AI）：提供多种人工智能相关的服务，包括图像识别、语音识别、自然语言处理等。详细信息请参考：腾讯云人工智能
请注意，以上仅为腾讯云的一部分产品，更多产品和详细信息请参考腾讯云官方网站。
相关·内容
我有两个矩阵A和B的大小分别是NxK和MxK。我希望计算一个大小为NxMxK的张量C，使C(i，j，k) = A(i，k)*B(j，k)。
如何在numpy中有效地实现这一点？所有维度都很大，因此，循环不是一种选择。
浏览 1提问于2017-04-27得票数 1
回答已采纳
1回答
python中的多维外积
、、、、
我在做MNIST数据集，并试图获得我的两个向量w_i(ith class)和a_k(kth sample)的外部乘积。
w_i ( i = 0...9 )有784个坐标。
a_k ( k = 1...n )也有784个坐标。
我创建了两个数组w_ij和a_ij，它们包含了所有的10个类和k个示例。w_ij的形状为(10,784)，a_ij为(n，784)。
我试着得到一个结果，比如：
[[w_0 dot a_1, w_0 dot a_2, ... , w_0 dot a_n], # (first row)
[w_1 dot a_1, w_1 dot a_2, ..., w_1 dot a_n]
浏览 1提问于2016-10-17得票数 2
回答已采纳
1回答
我正在处理Numpy的图像处理问题，我试图避免循环，并执行以下操作：
我有一个dims NxNxKxK的矩阵M(它是矩阵KxK的矩阵NxN )，对于每一行，我希望将行中的所有N矩阵( KxK)乘以(点积)。因此，如果我在完全M(所有行)上这样做，我得到矩阵的向量V (Nx1) (KxK)，其中Vi持有Mi,0xMi,1x...xMi，N-1的点积。
我用循环实现了这个问题的解决方案，我想不出一种没有循环的方法来解决这个问题。
实现(有循环)：
a = np.array([[1,1,1], [1,1,1], [1,1,1]])
mat = np.array([[a,a,a,a],
浏览 2提问于2017-12-13得票数 7
2回答
sum_v=np.zeros([d,d])
for i in range(num):
sum_v+=np.outer(v[:,i],v[:,i])
在矩阵的列之间加法外积的更快的方法，因此，当沿另一个矩阵的列取外积时，用更快的方法加法矩阵？
浏览 2提问于2017-04-11得票数 0
回答已采纳
2回答
给定一个NxM矩阵A，我想有效地获得NxMxN张量，其第一层是A的第一行和A的第一行之间的np.minimum的应用，使用一个for循环：
> A = np.array([[1, 2], [3, 4], [5,6]])
> output = np.zeros(shape=(A.shape[0], A.shape[1], A.shape[0]))
> for i in range(a.shape[0]):
output[:, :, i] = np.minimum(A, A[i])
> output
array([[[1., 1., 1.],
[
浏览 10提问于2022-12-04得票数 0
我正在阅读其他人的代码，不知道np.einsum在本例中做了什么。
print(np.einsum('mk,nk', D, D)) # D is an np array with shape (3, 100)
此代码输出形状为(3，3)的数组。
任何帮助都是非常感谢的！
浏览 6提问于2022-08-10得票数 -1
有没有一个有效的基于Numpy的解决方案来创建一个3维(或更高)的对角矩阵？ 更具体地说，我正在寻找一种更短(也许更有效)的解决方案来取代以下内容： N = 100
M = 4
d = np.random.randn(N) # calculated in the real use case from other parameters
A = np.zeros(M, M, N, dtype=d.dtype)
for i in range(M):
A[i, i, :] = d 如果M很大，上面提到的解决方案会很慢，而且我认为内存效率不是很高，因为d在内存中被复制了M次。
浏览 22提问于2020-10-05得票数 2
好的，我有几个多维的numpy数组，这些都是症状对象(表达式)。例如： A = array([[1.0*cos(z0)**2 + 1.0, 1.0*cos(z0)],
[1.0*cos(z0), 1.00000000000000]], dtype=object) 以此类推。 我想要做的是使用einsum将这些数组相乘，因为我已经从前面的数值计算中获得了这方面的语法。问题是，当我尝试做像这样的事情时 einsum('ik,jkim,j', A, B, C) 我得到一个类型错误： TypeError: invalid data type for einsum
浏览 47提问于2013-03-25得票数 12
回答已采纳
1回答
>>> c= array([[[1, 2],
[3, 4]],
[[2, 1],
[4, 3]],
[[3, 2],
[1, 4]]])
>>> x
array([[0, 1, 2],
[3, 4, 5]])
给我一个矩阵，使得每一列都是c中每个矩阵的乘积，在正则矩阵乘法中，x的每一列相乘。我试图找出一种方法来将它向量化，或者至少不使用for循环来解决它。
array([[6, 6,
浏览 0提问于2017-02-18得票数 2
回答已采纳
1回答
我在用火把。
如果我有一个矩阵M的大小(d1, d2)和向量V的大小d2，做M*V给我一个输出OUT的大小(d1, d2)，其中每一行M被乘以V。
我需要以批处理的方式做同样的事情，其中矩阵M是固定的，并且我有一批dB向量。
实际上，给定一个张量M的大小(d1, d2)和一个张量V的尺寸(dB, d2)，我需要得到输出OUT的尺寸(dB, d1, d2)的张量，这样OUT[i] = M*V[i]。
我怎样才能有效地用火把得到它呢？
浏览 3提问于2021-05-12得票数 1
回答已采纳
我正在寻找一种快速的方法来从给定的向量b_i和另一个矩阵C_{ij}创建一个新的矩阵A_{ij}。新矩阵的组件应具有以下形式
A_{ij} = b_i * C_{ij}.
到目前为止，我使用的是dot(diag(b), C)，但是点积自然有很多与零的乘法，这是相当低效的。有没有更好的方法？
浏览 0提问于2012-12-03得票数 2
回答已采纳
我有一个形状为(F,T,M)的矩阵X。我希望沿着F轴乘以每个(T,M)矩阵，这样答案就是形状(M,M,F)。这段代码为我做了这项工作，但是这个操作重复了很多次，而且非常慢： for f in range(F):
output[:,:,f] = np.matmul(X[f,:,:].T,X[f,:,:]) 我能找到的只有np.tensordot()函数。如果我理解正确的话，这对我来说不是一个好的选择，因为我需要的是矩阵乘法，而不是点积。 如何使用numpy有效地实现这一点？利用keras\tf来实现此目的是否可能且有益呢？
浏览 21提问于2020-01-12得票数 0
回答已采纳
1回答
我对NumPy比较陌生，经常读到你应该避免写循环。在许多情况下，我理解如何处理这个问题，但目前我有以下代码：
p = np.arange(15).reshape(5,3)
w = np.random.rand(5)
A = np.sum(w[i] * np.outer(p[i], p[i]) for i in range(len(p)))
有没有人知道是否有办法避免内部的for循环？
提前感谢！
浏览 2提问于2017-12-23得票数 4
回答已采纳
2回答
我正试着深入研究符号。这个帮了我很多忙。
但现在在计算外部产品时，我无法理解einsum的机器：
x = np.array([1, 2, 3])
y = np.array([4, 5, 6])
np.einsum('i,j->ij', x, y)
array([[ 4., 5., 6.],
[ 8., 10., 12.],
[12., 15., 18.]])
给出了以下规则：
通过在两个输入数组中重复标签i，我们告诉einsum，这两个轴应该相乘。
如果我们没有在np.einsum('i,j->ij',
浏览 2提问于2020-05-06得票数 4
我想通过在我的代码中使用Pytorch函数来摆脱"for循环迭代“。但公式很复杂，我找不到线索。下面的"for循环迭代“能用火炬操作代替吗？
B=10
L=20
H=5
mat_A=torch.randn(B,L,L,H)
mat_B=torch.randn(L,B,B,H)
tmp_B=torch.zeros_like(mat_B)
for x in range(L):
for y in range(B):
for z in range(B):
tmp_B[:,y,z,:]+=mat_B[x,y,z,:]*mat_A[z,x
浏览 6提问于2022-06-21得票数 1
回答已采纳
1回答
我有一个矩阵A，形状(N, D, 4)。首先，我计算A转置，A_t。我想计算A_t乘以A的乘积。我希望得到的矩阵形状为(D, D)，矩阵的乘积就像4个分量的最后一个向量是一个数。(两个向量的点积是一个数字。)
import numpy as np
N = 15
D = 98
A = np.random.random((N, D, 4))
A_t = np.zeros((D, N, 4))
for i in range(N):
A_t[:, i] = A[i]
S = np.zeros((D, D))
for i in range(D):
row = A_t[i]
浏览 1提问于2020-02-25得票数 1
回答已采纳
1回答
我很难理解为什么以下内容不起作用：
我有一个数组预因子，可以是三维的，也可以是六维的。我有一个四维的阵列偶极子。偶极子的前三维与前因子的后三个维相匹配。
由于我不知道预因子的形状，所以我使用省略号来解释预因子中的三个可选维度
numpy.einsum('...lmn,lmno->...o', prefactor, dipoles)
(在这里的示例中，prefactor.shape是(1，1，1,160,160,160,128)，dipoles.shape是(160,160,128，3)。执行时，我得到错误：
操作数1没有足够的维度来匹配广播，并且无法扩展，因为爱因斯坦和下
浏览 0提问于2013-05-16得票数 4
2回答
我有一个维数为(5,...) (...可以是任何东西)的数组，我想在5之后形成所有维数的点积，这样得到的数组就具有(5,)形状。我以为einsum
i...,i...->i
看起来很有希望，但是很遗憾
import numpy as np
a = np.random.rand(5)
b = np.einsum("i...,i...->i", a, a)
assert b.shape == (5,) # okay
a = np.random.rand(5, 2)
b = np.einsum("i...,i...->i", a, a) #
浏览 35提问于2021-03-06得票数 0
2回答
稀疏矩阵上的求和
、、
numpy的einsum函数似乎不适用于scipy.sparse矩阵。是否有其他选择来完成einsum对稀疏矩阵所能做的事情？
对于@eickenberg的回答:我想要的特别的einsum是numpy.einsum("ki,kj->ij",A,A) --行的外部乘积之和。
浏览 2提问于2014-04-27得票数 8
回答已采纳
1回答
我正在尝试实现float64数据的一次性数据转换：
data_new[i,j,k,l,m,:,c] = matvec( data_orig[i,j,k,l,m,:,c], interp_matrix[:,:] )
哪里
"Shape data_orig: (24,30,12,12,12,1024,2) [20.4 GB]"
"Shape data_new: (24,30,12,12,12,7776,2) [154.8GB]"
"Shape interp_matrix: (1024,7776)"
我的第一种方法已经运行了大
浏览 2提问于2017-04-09得票数 0
回答已采纳
1回答
import numpy as np
mat1 = np.random.rand(2,3)
mat2 = np.random.rand(2,5)
我希望得到一个2x3x5张量，其中每个层都是通过将3x1转置的mat1行乘以1x5行mat2实现的3x5外积。
这能用矮胖的母马做吗？
浏览 2提问于2017-05-23得票数 3
回答已采纳
我在表格上工作，这将创建一个季度的数字增长的输出。我基本上有两列每个季度的值("Q1 2013"和"Q4 2012")。我已经创建了另一个列，它给出了两个值之间的差异("Q/Q")。我想创建另一个列，然后将差值转换为百分比("Q%")。我的代码目前看起来像这样：
SELECT STATION, "Q4 2012", "Q1 2013", "Q/Q", (("Q/Q"/"Q4 2012") * 100.00) AS "Q%"
FROM &
浏览 0提问于2013-06-14得票数 3
回答已采纳
2回答
我想知道如何获得与朱莉娅中的numpy.einsum类似的功能。
具体来说，我有一个三阶张量，我想把它乘以一个二阶张量(矩阵)，收缩两个维度，得到一个一阶张量(向量)。
目前，我使用的是PyCall，所以我可以使用numpy.einsum函数，如下所示：
using PyCall
@pyimport numpy as np
a = rand(5,4,3)
b = rand(5,4)
c = np.einsum("ijk,ij", a,b)
size(c) == (3,)
依赖于调用python来做张量数学是有点愚蠢的。我还设想，julia实现将具有速度优势。然而，在朱莉娅中
浏览 5提问于2014-03-20得票数 3
回答已采纳
1回答
假设我有一个3D numpy数组$y_{n \i.e.\i.e.}$和一个一维numpy array$x_{p \xx1}$，我想在$y$的每个片段(即$yi，j，:$)和$x$上应用'PyOLS‘函数。如何在Python中向量化此操作？
下面是一个示例代码：
import numpy as np
def PyOLS(xvec, yvec):
n = xvec.shape[0]
X = np.c_[xvec, np.ones(n)]
betas = np.dot(np.linalg.inv(np.dot(X.T, X)), np.dot(X.T, yvec))
浏览 7提问于2022-10-29得票数 0
回答已采纳
1回答
我对一些数据X进行了一些聚类分析，得到了标签y和质心c。现在，我正在试图计算X与它们分配的集群的质心c之间的距离。当我们有少量的观点时，这是很容易的：
import numpy as np
# 10 random points in 3D space
X = np.random.rand(10,3)
# define the number of clusters, say 3
clusters = 3
# give each point a random label
# (in the real code this is found using KMeans, for example)
浏览 2提问于2021-03-12得票数 0
回答已采纳
4回答
我想做这样的事：
a = # multi-dimensional numpy array
ares = # multi-dim array, same shape as a
a.shape
>>> (45, 72, 37, 24) # the relevant point is that all dimension are different
v = # 1D numpy array, i.e. a vector
v.shape
>>> (37) # note that v has the same length as the 3rd dimensio
浏览 0提问于2013-10-15得票数 9
回答已采纳
这是个小问题，但我搞不懂这些东西。请简单地帮助我如何做到这一点。
假设给定的ip地址为198.51.100.39/28。由此，我如何在这个网络中找到第一个地址、最后一个地址和地址数目？
浏览 0提问于2018-06-23得票数 -3
1回答
我在理解时遇到了困难。如何解释subscripts？
我正在尝试编写np.einsum('a...c,b...c', Y, conj(Y))，其中Y是原始python上形状C, F, T的矩阵。此外，由于以前的实现差异，我的MATLAB Y的大小是[F, T, C]。
'a...c,b...c'在每个组件中的索引是什么？我很困惑。
如何在MATLAB中编写相同的指令？
浏览 25提问于2020-02-20得票数 0
1回答
我正在使用数据集成从我们的在线API获取数据。除了数据之外，还有一个时间戳，这个时间戳在1389227435641网站上是这样打印的，但是当它被打印到一个表上时，它就像so 1.389227435641E12一样打印出来了。
我如何让它像它是从网站打印，而不是现在的方式？
浏览 4提问于2014-01-21得票数 0
回答已采纳
2回答
我有一个numpy数组A，它的形状(10，)。
到目前为止，我还有一个形状(10,3,5)的numpy数组B。我想在这两者之间做一个乘法，以得到C，例如C0，:，:=A*B0，:，:，C1=A1*B1，:，:，等等。
我不想用循环来解决这个问题，一个原因是事物的美观，另一个原因是这段代码需要非常通用。我希望用户能够输入任意形状的任意B，只要前面的维数是10。例如，我希望用户也能输入形状B (10,4)。
那么:我如何使用numpy实现这个乘法呢？谢谢。
增编:例如，已被要求。会变小。假设A是numpy数组1,2,3，B是numpy数组[1,2,4,5,7,8]。我希望两者的乘积产生[1,2,8
浏览 0提问于2015-08-24得票数 5
回答已采纳
1回答
假设我们有一个由矩阵关联的输入和观测系统：
如果我们有一组观测值y，基于一组输入x，我可以设置一个非线性最小二乘例程来拟合矩阵m的参数。
%pylab inline
from scipy.optimize import least_squares
n_observations = 100
m = random.random(16).reshape(4, 4)
x = random.random(n_observations*4).reshape(n_observations, 4, 1)
noise = (random.random(n_observations*4).reshape
浏览 0提问于2019-01-28得票数 1
回答已采纳
给定两个维数分别为(x，y，z)和(y，x，z)的矩阵A和B，如何在两个矩阵的前两维上点积？结果应该具有(x，x，z)的维数。
谢谢!
浏览 2提问于2017-01-19得票数 1
回答已采纳
2回答
包含大型矩阵操作的优化函数
、、、、
我可能在解释这方面做得很差，所以我将使用一个有点类似于我的问题的例子，但是下面是这样的：
我需要计算一个复杂的操作(重复)，它是一个只有几个标量的函数，比如x1、x2和x3。然后，计算由x1、x2、x3 (以及行和列位置)的函数确定元素的矩阵，称为X。
几个非常大的矩阵乘积涉及中间的步骤，A，B和C。这些积所涉及的矩阵的值是恒定的。
假设我们有矩阵，其大小是：
A: K乘以n
B: n乘n
C: n×k
X: 3乘k
其中n非常大，k很大。
函数做(伪码)：
func = function(x1, x2, x3)
X = make_X(x1, x2, x3)
ret
浏览 2提问于2016-06-28得票数 2
1回答
任务计划程序中的任务未正确触发
、、、、
我有一些任务，每天都会在任务计划程序中通过电子邮件运行和发送报告。突然，我停止了接收电子邮件，并且在一些任务中也收到了以下错误。
任务计划程序无法为用户"system\abc“启动"\TaskA”任务。附加数据:错误值: 2147750687。
有人能帮上忙吗？
浏览 0提问于2016-05-19得票数 0
2回答
矩阵/向量乘法看起来是这样的，工作得很好：
A = np.array([[1, 0],
[0,1]]) # matrix
u = np.array([[3],[9]]) # column vector
U = np.dot(A,u) # U = A*u
U
如果元素Xx,Xy,Yx,Yy, u,v 是2-或3维数组，那么是否有办法保持相同的结构?
A = np.array([[Xx, Xy],
[Yx,Yy]])
u = np.array([[u],[v]])
U = np.dot(A,u)
所期望的
浏览 6提问于2021-08-17得票数 0
回答已采纳
对于二维矩阵X (shape (m,n))，我试图计算X.T * X，其中*是矩阵乘法。我希望能够使用，np.einsum('ji,ik->jk', X, X)，在LHS写作ji中，首先使用第一个X参数的转位，然后再乘以第二个X参数。
这不适用于错误(对于(m,n) = (3,4))：
ValueError: operands could not be broadcast together with remapped shapes [original->remapped]: (4,3)->(4,newaxis,3) (4,3)->(3,4)
然而
浏览 3提问于2017-09-22得票数 4
回答已采纳
1回答
我手头有以下问题。F是维度2 X 100 X 65的NumPy数组。我想要生成另一个数组V，其维度是2 X 2 X 65。必须以下列方式计算此数组V：
对于每个t，V[:, :, t] = F[:, :, t] @ F[:, :, t].T .T表示矩阵转置，@表示通常的矩阵乘法。现在，我正在使用以下方法：
aux_matrix = np.matmul(np.transpose(F, (2, 0 ,1)), np.transpose(F, (2, 1, 0)))
V = np.transpose(aux_matrix, (1, 2, 0))
我知道np.tensordot和np.einsum可
浏览 1提问于2020-12-27得票数 0
回答已采纳
1回答
我有两个n-by-k-by-3数组a和b，例如，
import numpy as np
a = np.array([
[
[1, 2, 3],
[3, 4, 5]
],
[
[4, 2, 4],
[1, 4, 5]
]
])
b = np.array([
[
[3, 1, 5],
[0, 2, 3]
],
[
[2, 4, 5],
[1, 2, 4]
]
])
并且它喜欢计算所有的“三元
浏览 13提问于2016-07-17得票数 1
回答已采纳
2回答
对于x射线衍射，需要找到所谓的劳厄方程的解。
G_hkl - k_in + |k_in|*(sin(theta) cos(phi)，sin(theta) sin(phi)，cos(theta))=0
当G_hkl是给定的三维向量时，k_in可以选择为(0,0,1)，θ和phi是满足方程的自由参数。在一个典型的实验中，G_hkl绕x轴旋转，旋转的每一步都需要找到方程的解。在给定的旋转条件下，方程不能有多个解。
我编写了这个python脚本来找到这些解决方案，但是对于我的应用程序来说，它还不够快。
import numpy as np
import time
# Just initializati
浏览 0提问于2016-09-27得票数 1
回答已采纳
我正在尝试计算三维张量和二维张量之间的点积。我不确定这是不是正确的方法。具体地说，我想将矩阵10,512与向量1,512相乘，但在具有3d张量和矩阵的情况下，我希望找到一种有效的方法。
f = tf.placeholder(shape = [5, 10, 512], dtype = tf.float32)
g = tf.placeholder(shape = [5, 512], dtype = tf.float32)
g = tf.expand_dims(g, 1)
m = tf.reduce_sum( tf.multiply( f, g ), 2 , keep_dims = False )
浏览 1提问于2018-04-16得票数 0
1回答
给定存储在(n，d)数组中的一组维数d的向量和(m，d)数组中相同维数的第二组m向量，我想要计算向量之间的平方点向距离，该距离由矩阵A与大小(d，d)进行缩放。
输出应该是(n，m)数组。
我预计输入范围在1到10.000之间的m和n和1到100之间的d。
两个点之间的距离由以下几个方面决定：
在非优化的但正在工作的python代码中，如下所示：
import numpy as np
v1 = np.array([[1, 2],
[3, 4],
[4, 5]])
v2 = np.array([[1,1],
浏览 0提问于2019-04-25得票数 1
回答已采纳
1回答
我使用Unicode值'✔‘在文本区显示一个刻度标记。
现在我需要获取文本区域中的值，并且需要检查其中是否存在symbol？
当我获取文本区域的值时，我得到了一个不带勾号符号的复选框，而不是勾号符号。
如何比较这个Unicode值是否存在？
// Not working.
if( document.getElementById('location').value.charAt(0) == '✔')
alert("symbol');
浏览 0提问于2012-02-13得票数 6
回答已采纳
3回答
我有一个形状为(30, 116, 10)的张量，我想交换前两个维度，所以我有一个形状为(116, 30, 10)的张量
我将numpy看作是这样一个函数实现(np.swapaxes)，我在tensorflow中搜索了类似的东西，但什么也没有找到。
你有什么想法吗？
浏览 3提问于2016-07-06得票数 40
回答已采纳
我发现这种情况经常发生在我身上:我想要计算一个矩阵乘法的排序(X^TX)^{-1}XX^T，或类似于这些线。最后我做了这样的事
X = np.array([[1,2],[3,4]])
a = np.dot(np.transpose(X), X)
b = np.dot(np.linalg.inv(a), X)
answer = np.dot(b, np.transpose(X))
是否有更好的方法来做到这一点而不诉诸np.matrix类型？有没有一种不用键入np.transpose就可以转置的方法
浏览 3提问于2015-08-26得票数 1
回答已采纳
1回答
我怀疑这可能不是一个很好的问题，但我已经完全撞上了墙，可能需要一些帮助。
我试图实现这个代码：
在C#中，原始存在于Python中。
在我撞到这部分之前一切都很顺利：
def calcProjections(points, *vectors):
"""Calculates the projection of points (NxD) onto the vectors
(MxD) and return the projections p which is a matrix sized (N, M)
where N is the number
浏览 4提问于2014-09-22得票数 2
回答已采纳
我试图了解numpy.tensordot命令是如何工作的。我浏览了在这个论坛上发布的与这个命令有关的不同问题。此外，axes (1,0)表示将对axes 1 in a和axes 0 in b进行求和。因此，我把沿轴1、a和b中的零轴之和，然后手工计算答案，但结果是不同的。也许我的理解是沿着某一特定轴相加是错误的。请有人解释一下我们是如何在下面的代码中得到最终结果的吗？
a = numpy.array([[1,2],[3,4]])
b = numpy.array([[0,5],[-1,20]])
c = numpy.tensordot(a,b,axes=(1,0))
print(c)
pri
浏览 1提问于2019-02-24得票数 1
回答已采纳
1回答
我有一段从Python移植到R的代码，最初的Python版本使用np.einsum。因为我在R中找不到np.einsum的等价物，并且我想确保我理解它，所以我直接使用for循环对其进行编码。现在，我想知道是否有更快的替代方案。 示例代码： n = 2 ; d = 3 ; nx = 4 ; v = 5
array4d <- array( runif(n*nx*v*d ,-1,0),
dim = c(n, nx, v, d) )
array3d <- array( runif(n*v*d ,-1,0),
di
浏览 9提问于2020-07-16得票数 0
a= [1, 2, 3, 2.5]
b= [[0.2, 0.8, -0.5, 1.0],
[0.5, -0.91, 0.26, -0.5],
[-0.26, -0.27, 0.17, 0.87]]
print(np.dot(b,a))
print(np.dot(a,b))
为什么第一行打印，但第二行导致形状对齐错误？
"ValueError:形状(4，)和(3,4)未对齐:4(尺寸0) != 3(尺寸0)“
numpy尝试做什么计算会导致这个错误？
注意--我理解矩阵乘法。
感谢您所能提供的任何帮助！
编辑-修复了一些变量名称
浏览 25提问于2020-05-30得票数 0
假设我们有一个3d数组A.shape = (100, 5, 5)，每个小矩阵(5,5)都是一个图像，现在我想将这个3d数组重塑为图像B.shape=(50,50)的正方形网格，以便图像布局为10*10网格。 我可以使用np.stack之类的工具来做这件事，但是我想知道是否可以使用np.einsum来做这件事
浏览 5提问于2019-03-16得票数 1
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
