numpy.linalg.multi_dot#
- linalg.multi_dot(arrays, *, out=None)[source]#
在一个函数调用中计算两个或多个数组的点积,同时自动选择最快的计算顺序。
multi_dot
将numpy.dot
连接起来,并使用矩阵的最优括号 [1] [2]。根据矩阵的形状,这可以显著提高乘法的速度。如果第一个参数是一维的,它被视为行向量。如果最后一个参数是一维的,它被视为列向量。其他参数必须是二维的。
将
multi_dot
视为def multi_dot(arrays): return functools.reduce(np.dot, arrays)
- 参数:
- arraysarray_like 序列
如果第一个参数是一维的,它被视为行向量。如果最后一个参数是一维的,它被视为列向量。其他参数必须是二维的。
- outndarray,可选
输出参数。它必须具有与未使用它时返回的完全相同的类型。特别是,它必须具有正确的类型,必须是 C 连续的,并且它的 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,而不是尝试变得灵活。
1.19.0 版本中的新功能。
- 返回值:
- outputndarray
返回所提供数组的点积。
参见
numpy.dot
dot 使用两个参数进行乘法。
备注
可以使用以下函数计算矩阵乘法的成本
def cost(A, B): return A.shape[0] * A.shape[1] * B.shape[1]
假设我们有三个矩阵 \(A_{10x100}, B_{100x5}, C_{5x50}\).
两种不同括号的成本如下
cost((AB)C) = 10*100*5 + 10*5*50 = 5000 + 2500 = 7500 cost(A(BC)) = 10*100*50 + 100*5*50 = 50000 + 25000 = 75000
参考文献
[1]Cormen,“算法导论”,第 15.2 章,第 370-378 页
示例
multi_dot
允许你编写>>> import numpy as np >>> from numpy.linalg import multi_dot >>> # Prepare some data >>> A = np.random.random((10000, 100)) >>> B = np.random.random((100, 1000)) >>> C = np.random.random((1000, 5)) >>> D = np.random.random((5, 333)) >>> # the actual dot multiplication >>> _ = multi_dot([A, B, C, D])
而不是
>>> _ = np.dot(np.dot(np.dot(A, B), C), D) >>> # or >>> _ = A.dot(B).dot(C).dot(D)