向量化 numpy 操作答案

【问题标题】：vectorizing numpy operations向量化 numpy 操作
【发布时间】：2021-05-31 18:59:09
【问题描述】：

我有一个如下所示的 numpy 数组：

array([[2, 3],
       [4, 6],
       [6, 6]])

我对自己在每一行之间进行点积运算很感兴趣。例如，假设我想在第一行加上自己：

ans = x[0,:] @ x[0,:].T

ans = 13

第二个：

ans = x[1,:] @ x[1,:].T

ans = 52

ans = x[2,:] @ x[2,:].T
and = 72

有没有办法在不使用numpy.apply_along_axis 的情况下对这个操作进行矢量化？期望的输出是

array([13, 52, 72])

不必是这个特定的操作。具体来说，我正在执行一个 SVM 实现，并且我有一些内核要在我的 m x d 特征矩阵上进行矢量化。我该怎么做？

【问题讨论】：

【解决方案1】：

你可以的

numpy.linalg.norm(a,axis=1)**2

为您提供每行的范数并对其进行平方。

【讨论】：

【解决方案2】：

np.square(x[:,0]) + np.square(x[:,1])

输出

array([13, 52, 72], dtype=int32)

【讨论】：