Python:numpy。点/numpy。多维数组的tensordot

Question

我正在优化反向传播算法的实现，以训练神经网络。我正在研究的一个方面是在数据点集（输入/输出向量）上执行矩阵运算，这是一个由numpy库优化的批处理过程，而不是遍历每个数据点。

在我的原始算法中，我做了以下操作：

for datapoint in datapoints:
  A = ... (created out of datapoint info)
  B = ... (created out of datapoint info)

  C = np.dot(A,B.transpose())
____________________

A: (7,1) numpy array
B: (6,1) numpy array
C: (7,6) numpy array

然后，我将所述矩阵扩展为张量，其中第一个形状索引将引用数据集。如果我有3个数据集（为了简单起见），矩阵将如下所示：

A: (3,7,1) numpy array
B: (3,6,1) numpy array
C: (3,7,6) numpy array

仅使用np.tensordot或其他numpy操作，如何生成C？

我想答案应该是这样的：

C = np.tensordot(A.[some manipulation], B.[some manipulation], axes = (...))

（这是一个更复杂的应用程序的一部分，我构建事物的方式不再灵活。如果我找不到解决方案，我只会遍历数据集并为每个数据集执行乘法）

Answer 1

我们可以使用np。einsum -

c = np.einsum('ijk,ilm->ijl',a,b)

由于最后一个轴是单态的，所以最好使用切片数组-

c = np.einsum('ij,il->ijl',a[...,0],b[...,0])

使用<代码>np。matmul/@-运算符-

c = [e-mail](1,2)