Numpy：将矩阵与 3d 张量相乘——建议答案

【问题标题】：Numpy: Multiplying a matrix with a 3d tensor -- SuggestionNumpy：将矩阵与 3d 张量相乘——建议
【发布时间】：2011-05-28 07:38:29
【问题描述】：

我有一个形状为MxN 的矩阵P 和一个形状为KxNxR 的3d 张量T。我想将P 与T 中的每个NxR 矩阵相乘，得到KxMxR 3d 张量。

P.dot(T).transpose(1,0,2) 给出了想要的结果。有没有更好的 解决方案（即摆脱transpose）来解决这个问题？这一定是一个很常见的操作，所以我假设，其他人已经找到了不同的方法，例如使用tensordot（我尝试过但未能获得预期的结果）。意见/意见将不胜感激！

【问题讨论】：

标签： python matrix numpy scipy linear-algebra

【解决方案1】：

您也可以使用爱因斯坦求和符号：

P = numpy.random.randint(1,10,(5,3))
P.shape
T = numpy.random.randint(1,10,(2,3,4))
T.shape

numpy.einsum('ij,kjl->kil',P,T)

这应该给你相同的结果：

P.dot(T).transpose(1,0,2)

【讨论】：

【解决方案2】：

scipy.tensordot(P, T, axes=[1,1]).swapaxes(0,1)

【讨论】：

哈！昨天我盯着scipy.tensordot(P, T, axes=[1,1]) 的结果看了几个小时，对交换的维度感到绝望。不知道swapaxes，谢谢！
不客气。我还检查了交换轴是否给出了正确的数字答案，并且确实如此。