dask.array.matmul
dask.array.matmul¶
- dask.array.matmul(x1, x2, /, out=None, *, casting='same_kind', order='K', dtype=None, subok=True[, signature, axes, axis])[源代码]¶
此文档字符串是从 numpy.matmul 复制而来的。
Dask 版本可能存在一些不一致性。
两个数组的矩阵乘积。
- 参数
- x1, x2array_like
输入数组，不允许标量。
- 出ndarray，可选
存储结果的位置。如果提供，它必须具有与签名 (n,k),(k,m)->(n,m) 匹配的形状。如果未提供或为 None，则返回一个新分配的数组。
- **kwargs
对于其他仅关键字参数，请参阅 ufunc 文档。
1.16 新版功能: 现在处理 ufunc 关键字参数
- 返回
- yndarray
输入的矩阵乘积。只有当 x1 和 x2 都是一维向量时，结果才是标量。
- Raises
- ValueError
如果 x1 的最后一个维度的大小与 x2 的倒数第二个维度的大小不同。
如果传递的是标量值。
注释
行为取决于以下方式中的参数。
如果两个参数都是二维的，它们会像传统矩阵一样相乘。
如果任一参数是 N-D 且 N > 2，它将被视为最后两个索引中存在的矩阵堆栈，并相应地进行广播。
如果第一个参数是一维的，它会被提升为一个矩阵，通过在其维度前添加一个1。在矩阵乘法之后，添加的1会被移除。
如果第二个参数是一维的，它会被提升为一个矩阵，通过在其维度上附加一个1。在矩阵乘法之后，附加的1会被移除。
matmul与dot在两个重要方面有所不同：不允许通过标量进行乘法，请使用
*代替。矩阵堆栈一起广播，就像矩阵是元素一样，遵循签名
(n,k),(k,m)->(n,m)：>>> a = np.ones([9, 5, 7, 4]) >>> c = np.ones([9, 5, 4, 3]) >>> np.dot(a, c).shape (9, 5, 7, 9, 5, 3) >>> np.matmul(a, c).shape (9, 5, 7, 3) >>> # n is 7, k is 4, m is 3
matmul 函数实现了 Python 3.5 中引入的
@运算符的语义，遵循 PEP 465。在可能的情况下，它使用优化的BLAS库（参见 numpy.linalg）。
示例
对于二维数组，它是矩阵乘积：
>>> import numpy as np
>>> a = np.array([[1, 0], ... [0, 1]]) >>> b = np.array([[4, 1], ... [2, 2]]) >>> np.matmul(a, b) array([[4, 1], [2, 2]])
对于二维与一维混合的情况，结果是通常的。
>>> a = np.array([[1, 0], ... [0, 1]]) >>> b = np.array([1, 2]) >>> np.matmul(a, b) array([1, 2]) >>> np.matmul(b, a) array([1, 2])
广播是数组堆栈的常规操作
>>> a = np.arange(2 * 2 * 4).reshape((2, 2, 4)) >>> b = np.arange(2 * 2 * 4).reshape((2, 4, 2)) >>> np.matmul(a,b).shape (2, 2, 2) >>> np.matmul(a, b)[0, 1, 1] 98 >>> sum(a[0, 1, :] * b[0 , :, 1]) 98
向量，向量返回标量内积，但两个参数都不是复共轭的：
>>> np.matmul([2j, 3j], [2j, 3j]) (-13+0j)
标量乘法会引发错误。
>>> np.matmul([1,2], 3) Traceback (most recent call last): ... ValueError: matmul: Input operand 1 does not have enough dimensions ...
@运算符可以用作 ndarrays 上np.matmul的简写。>>> x1 = np.array([2j, 3j]) >>> x2 = np.array([2j, 3j]) >>> x1 @ x2 (-13+0j)
1.10.0 新版功能.