多维矩阵中向量的点积（python，numpy）答案

【问题标题】：dot product of vectors in multidimentional matrices (python, numpy)多维矩阵中向量的点积（python，numpy）
【发布时间】：2016-12-10 11:39:57
【问题描述】：

我有两个矩阵 A、B、NxKxD 维度，我想得到矩阵 C、NxKxDxD 维度，其中 C[n, k] = A[n, k] x B[n, k].T（这里是“x " 表示维度 Dx1 和 1xD 矩阵的乘积，因此结果必须是 DxD 维度），所以现在我的代码看起来像这样（这里 A = B = X）：

def square(X):
    out = np.zeros((N, K, D, D))
    for n in range(N):
        for k in range(K):
            out[n, k] = np.dot(X[n, k, :, np.newaxis], X[n, k, np.newaxis, :])
    return out

由于 python 的 for 循环，大 N 和 K 可能会很慢。有没有办法在一个 numpy 函数中进行这种乘法？

【问题讨论】：

标签： python numpy matrix vector dot-product

【解决方案1】：

您似乎没有使用np.dot 进行求和，而只是用于导致广播的扩展。因此，您可以使用 np.newaxis/None 简单地将数组扩展为多维，并让隐式广播提供帮助。

因此，实现将是 -

X[...,None]*X[...,None,:]

更多关于广播具体如何添加新轴的信息可以在this other post找到。

【讨论】：