Numpy中矩阵向量乘法np.dot()及np.multiply()以及*区别
Numpy中的矩阵向量乘法分别是np.dot(a,b)、np.multiply(a,b) 以及*,刚开始接触的时候比较模糊,于是自己整理了一下。先来介绍理论,然后再结合例子深入了解一下。
数组 | 矩阵 | |
---|---|---|
元素乘法 | np.multiply(a,b) 或 a*b | np.multiply(a,b) |
矩阵乘法 | np.dot(a,b) | np.dot(a,b) 或 a* b |
我们可以看到:
当对象是数组时候,对应元素乘法使用 np.multiply(a,b) 或a * b,矩阵乘法用np.dot(a,b)
当对象是矩阵时候,对应元素乘法使用np.multiply(a,b) , 矩阵乘法用np.dot(a,b)或 a*b
注:数组和矩阵对应元素相乘,输出与相乘数组/矩阵的大小一致
对于 np.array 对象
>>> a
array([[1, 2],[3, 4]])
当对象是数组时候,元素乘法使用 np.multiply(a,b) 或 a*b
>>> np.multiply(a,a)
array([[ 1, 4],[ 9, 16]])>>> a*a
array([[ 1, 4],[ 9, 16]])
当对象是数组时候,矩阵乘法用np.dot(a,b)、np.matmul(a,b) 或者a.dot(b)
>>> np.dot(a,a)
array([[ 7, 10],[15, 22]])>>> np.matmul(a,a)
array([[ 7, 10],[15, 22]])>>> a.dot(a)
array([[ 7, 10],[15, 22]])
对于 np.matrix 对象
>>> A
matrix([[1, 2],[3, 4]])
当对象是矩阵时候,元素乘法使用np.multiply(a,b)
>>> np.multiply(A,A)
matrix([[ 1, 4],[ 9, 16]])
当对象是矩阵时候,矩阵乘法用np.dot(a,b)、np.matmul(A,A)、a.dot(b)或 a*b
>>> np.dot(A,A)
matrix([[ 7, 10],[15, 22]])>>> np.matmul(A,A)
matrix([[ 7, 10],[15, 22]])>>> A.dot(A)
matrix([[ 7, 10],[15, 22]])>>> A*A
matrix([[ 7, 10],[15, 22]])
Numpy中矩阵向量乘法np.dot()及np.multiply()以及*区别相关推荐
- python中使用numpy包的向量矩阵相乘np.dot和np.matmul
一直对np的线性运算不太清晰,正好上课讲到了,做一个笔记整个理解一下 1.向量和矩阵 在numpy中,一重方括号表示的是向量vector,vector没有行列的概念.二重方括号表示矩阵matrix,有 ...
- numpy求矩阵的特征值与特征向量(np.linalg.eig函数详解)
numpy求矩阵的特征值与特征向量(np.linalg.eig) 语法 np.linalg.eig(a) 功能 Compute the eigenvalues and right eigenvecto ...
- numpy中矩阵的转置_NumPy矩阵transpose()-Python中数组的转置
numpy中矩阵的转置 The transpose of a matrix is obtained by moving the rows data to the column and columns ...
- python3 numpy中矩阵np.dot(a,b)乘法运算
python np.dot(a,b)乘法运算 首先我们知道矩阵运算是不满足交换律的,np.dot(a, b)与np.dot(b, a)是不一样的 另外np.dot(a,b)和a.dot(b)果是一样的 ...
- Numpy中矩阵对象
numpy模块中的矩阵对象为numpy.matrix,包括矩阵数据的处理,矩阵的计算,以及基本的统计功能,转置,可逆性等等,包括对复数的处理,均在matrix对象中. class numpy.matr ...
- numpy中矩阵的点乘和叉乘
点乘:两个矩阵对应位置的元素相乘,且这两个矩阵行数列数相等 import numpy as np a=np.array([[1,2,3],[1,2,3],[1,2,3]]) b=np.array([[ ...
- np.dot 与 np.multiply 的不同
np. dot 是点乘 |A B| . |E F| = |A*E+B*G A*F+B*H| |C D| |G H| |C*E+D*G C*F+D*H| np.multiply 是 element - ...
- tf计算矩阵维度_tf.matmul() 和tf.multiply() 的区别
1.tf.multiply()两个矩阵中对应元素各自相乘 格式: tf.multiply(x, y, name=None) 参数: x: 一个类型为:half, float32, float64, u ...
- Numpy中np.dot()与np.matmul()的区别(矩阵乘积、矩阵乘法、矩阵相乘)
最新文章
- qq企业邮箱 java发送_spring配置javamail利用qq企业邮箱发送邮件。
- 刘云鹏:大数据,让我离生活更近 | 优秀毕业生专访
- 百家争鸣|国内外NLP领域学术界和工业界的牛人和团队
- 数据结构及算法基础--优先队列(Priority Queue)
- 剑指offer(Java实现) 从上往下打印二叉树
- 敢问路在何方——项目经理成长手记
- php怎么自定义设置打印区域,JavaScript_jQuery实现区域打印功能代码详解,使用CSS控制打印样式,需要设 - phpStudy...
- javascript 常量_JavaScript中的常量
- php判断手机 跳转代码,php判断客户端是手机设备然后跳转到手机站
- 海湾火灾自动报警系统中文编码查询表
- GNU C Complier - GNU Compiler Collection - GCC
- 未被授权查看该页 HTTP 错误 401.3 - 未经授权
- SpringBoot-端点详解
- Python的数据科学函数包(二)——pandas(series dataframe)(loc iloc ix)(csv文件)
- 区块链在工业互联网的应用前景
- zz一篇很赞同的文章:2008年以后房价会降?想都不要想
- python三维绘图工具包_Matplotlib Toolkits:三维绘图工具包matplotlib.mplot3d
- opencv-模板匹配
- 破解版IDM导致电脑反复闪屏的解决方案
- 从“三不卖”到三项增长,三翼鸟是如何持续贴近用户的?
热门文章
- Error response from daemon: conflict: unable to delete acdcfe83bcc5 (must be forced) - image is bein
- c#对使用US7ASCII的oracle存取中文的问题
- 10个H5页面制作工具
- 柠檬班培训1软件测试
- 4.3、Android Studio突破64K方法限制
- 2019年9月省市区/县SQL数据——第二篇
- iOS Safari调试webview时 页面空白或者闪退解决
- 给在读研究生的一封信
- dva开发框架简介和演示
- esp32与0.96寸屏幕实现信息传输