numpy.dot#
- numpy.dot(a, b, out=None)#
两个数组的点积。具体来说,
如果 a 和 b 都是一维数组,则它是向量的内积(不进行复共轭)。
如果 a 和 b 都是二维数组,则它是矩阵乘法,但建议使用
matmul
或a @ b
。如果 a 或 b 为 0-D(标量),则等效于
multiply
,建议使用numpy.multiply(a, b)
或a * b
。如果 a 是一个 N 维数组,而 b 是一个一维数组,则它是 a 的最后一个轴和 b 的求和积。
如果 a 是一个 N 维数组,而 b 是一个 M 维数组(其中
M>=2
),则它是 a 的最后一个轴和 b 的倒数第二个轴的求和积。dot(a, b)[i,j,k,m] = sum(a[i,j,:] * b[k,:,m])
它在可能的情况下使用优化的 BLAS 库(参见
numpy.linalg
)。- 参数:
- aarray_like
第一个参数。
- barray_like
第二个参数。
- outndarray, 可选
输出参数。它必须与未使用它时返回的类型完全相同。特别是,它必须具有正确的类型,必须是 C 连续的,并且其 dtype 必须是 dot(a,b) 返回的 dtype。这是一个性能特性。因此,如果不满足这些条件,则会引发异常,而不是尝试灵活处理。
- 返回值:
- outputndarray
返回 a 和 b 的点积。如果 a 和 b 都是标量或都是一维数组,则返回标量;否则返回数组。如果提供了 out,则返回它。
- 引发:
- ValueError
如果 a 的最后一个维度与 b 的倒数第二个维度大小不相同。
另请参阅
vdot
复共轭点积。
tensordot
任意轴上的求和积。
einsum
爱因斯坦求和约定。
matmul
带有 out 参数的方法的“@”运算符。
linalg.multi_dot
链式点积。
示例
>>> import numpy as np >>> np.dot(3, 4) 12
两个参数都不进行复共轭
>>> np.dot([2j, 3j], [2j, 3j]) (-13+0j)
对于二维数组,它是矩阵积
>>> a = [[1, 0], [0, 1]] >>> b = [[4, 1], [2, 2]] >>> np.dot(a, b) array([[4, 1], [2, 2]])
>>> a = np.arange(3*4*5*6).reshape((3,4,5,6)) >>> b = np.arange(3*4*5*6)[::-1].reshape((5,4,6,3)) >>> np.dot(a, b)[2,3,2,1,2,2] 499128 >>> sum(a[2,3,2,:] * b[1,2,:,2]) 499128