https://console.cloud.google.com/bigquery?project=heidao-market&p=heidao-market&d=mafia1_dmd&t=exchange_info&page=table

我一直以為，談?wù)摂?shù)學(xué)計(jì)算只能用數(shù)學(xué)語(yǔ)言，就是用數(shù)學(xué)公式一步步推導(dǎo)

這個(gè)世界是，可知的，簡(jiǎn)潔的

復(fù)雜的是現(xiàn)象，不是本質(zhì)

在線性代數(shù)中，介紹的矩陣乘法只有一種，可以退出，在程序中，不論多么高維度的矩陣乘法運(yùn)算，其本質(zhì)也是二維矩陣運(yùn)算

import numpy as np np.random.seed(10) size_A=size=(3,4,2) A = np.random.randint(5, size=size_A) size_B=(4,2,3) B = np.random.randint(12, size=size_B) axes1=[[1,2], [0,1]]# axes1=[[2], [1]] C=np.tensordot(A, B, axes1) print(C) [[ 76 100 76][ 71 39 36][112 94 94]] def transe_shape(arr,axes,ff,size):nda=arr.ndimnotin = [k for k in range(nda) if k not in list(axes)]def mul(a):d=1for p in a :d=d*size[p]return daxes=list(axes)axm=mul(axes)nom=mul(notin)if ff:newaxes = notin + axesreturn newaxes,notin,(nom,axm)else:newaxes =axes+ notin return newaxes,notin,(axm,nom)axes_A,notin_A,shape_fA=transe_shape(A,axes1[0],1,size_A) # A1=A.transpose([1, 2, 0]).reshape((3*1,2))A1=A.transpose(axes_A).reshape(shape_fA)axes_B,notin_B,shape_fB=transe_shape(B,axes1[1],0,size_B) # B1=B.transpose( [1, 0, 2]).reshape((2,3*2)) B1=B.transpose( axes_B).reshape(shape_fB)#矩陣相乘 C1=A1@B1out_shape=[size_A[k] for k in notin_A ] +[size_B[k] for k in notin_B ] # print(C1.reshape((1,3,3,2))==C) print(C1.reshape(out_shape)==C) [[ True True True][ True True True][ True True True]]

總結(jié)

以上是生活随笔為你收集整理的tensordot 的源码解读的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。