numpy.linalg.tensordot#
- linalg.tensordot(x1, x2, /, *, axes=2)[source]#
计算沿指定轴的张量点积。
给定两个张量 a 和 b,以及一个包含两个类数组对象的类数组对象
(a_axes, b_axes)
,在由a_axes
和b_axes
指定的轴上对 a 和 b 的元素(分量)的乘积求和。第三个参数可以是单个非负整数类标量N
;如果是这样,则对 a 的最后N
个维度和 b 的前N
个维度求和。- 参数:
- a, barray_like
要“点积”的张量。
- axesint 或 (2,) array_like
整数类 如果是整数 N,则按顺序对 a 的最后 N 个轴和 b 的前 N 个轴求和。相应轴的大小必须匹配。
(2,) array_like 或者,一个要对其求和的轴列表,第一个序列应用于 a,第二个应用于 b。两个元素 array_like 必须具有相同的长度。
- 返回值:
- outputndarray
输入的张量点积。
注释
三个常见用例是
axes = 0
:张量积 \(a\otimes b\)axes = 1
:张量点积 \(a\cdot b\)axes = 2
:(默认)张量双重收缩 \(a:b\)
当 axes 是正整数
N
时,操作从 a 的轴-N
和 b 的轴0
开始,并继续到 a 的轴-1
和 b 的轴N-1
(包含)。当有多个轴需要求和时 - 并且它们不是 a (b) 的最后一个(第一个)轴时 - 参数 axes 应该由两个相同长度的序列组成,其中第一个要求和的轴在两个序列中都首先给出,第二个轴其次,依此类推。
结果的形状由第一个张量的非收缩轴组成,后跟第二个张量的非收缩轴。
示例
一个“传统”的例子
>>> import numpy as np >>> a = np.arange(60.).reshape(3,4,5) >>> b = np.arange(24.).reshape(4,3,2) >>> c = np.tensordot(a,b, axes=([1,0],[0,1])) >>> c.shape (5, 2) >>> c array([[4400., 4730.], [4532., 4874.], [4664., 5018.], [4796., 5162.], [4928., 5306.]]) >>> # A slower but equivalent way of computing the same... >>> d = np.zeros((5,2)) >>> for i in range(5): ... for j in range(2): ... for k in range(3): ... for n in range(4): ... d[i,j] += a[k,n,i] * b[n,k,j] >>> c == d array([[ True, True], [ True, True], [ True, True], [ True, True], [ True, True]])
一个利用 + 和 * 的重载的扩展示例
>>> a = np.array(range(1, 9)) >>> a.shape = (2, 2, 2) >>> A = np.array(('a', 'b', 'c', 'd'), dtype=object) >>> A.shape = (2, 2) >>> a; A array([[[1, 2], [3, 4]], [[5, 6], [7, 8]]]) array([['a', 'b'], ['c', 'd']], dtype=object)
>>> np.tensordot(a, A) # third argument default is 2 for double-contraction array(['abbcccdddd', 'aaaaabbbbbbcccccccdddddddd'], dtype=object)
>>> np.tensordot(a, A, 1) array([[['acc', 'bdd'], ['aaacccc', 'bbbdddd']], [['aaaaacccccc', 'bbbbbdddddd'], ['aaaaaaacccccccc', 'bbbbbbbdddddddd']]], dtype=object)
>>> np.tensordot(a, A, 0) # tensor product (result too long to incl.) array([[[[['a', 'b'], ['c', 'd']], ...
>>> np.tensordot(a, A, (0, 1)) array([[['abbbbb', 'cddddd'], ['aabbbbbb', 'ccdddddd']], [['aaabbbbbbb', 'cccddddddd'], ['aaaabbbbbbbb', 'ccccdddddddd']]], dtype=object)
>>> np.tensordot(a, A, (2, 1)) array([[['abb', 'cdd'], ['aaabbbb', 'cccdddd']], [['aaaaabbbbbb', 'cccccdddddd'], ['aaaaaaabbbbbbbb', 'cccccccdddddddd']]], dtype=object)
>>> np.tensordot(a, A, ((0, 1), (0, 1))) array(['abbbcccccddddddd', 'aabbbbccccccdddddddd'], dtype=object)
>>> np.tensordot(a, A, ((2, 1), (1, 0))) array(['acccbbdddd', 'aaaaacccccccbbbbbbdddddddd'], dtype=object)