mars.tensor.dot#

mars.tensor.dot(a, b, out=None, sparse=None)[来源]#

两个数组的点积。具体来说，

  • 如果a和b都是一维数组，则为向量的内积（不考虑复共轭）。

  • 如果a和b都是二维数组，则是矩阵乘法，但建议使用matmul()或a @ b。

  • 如果a或b是0维（标量），它相当于multiply()，并且建议使用numpy.multiply(a, b)或a * b。

  • 如果 a 是一个N维数组，而 b 是一个一维数组，那么这是对 a 和 b 最后一个轴的求和积。

  • 如果 a 是一个 N-D 数组而 b 是一个 M-D 数组（其中 M>=2），这是对 a 的最后一个轴和 b 的倒数第二个轴的求和积：

    dot(a, b)[i,j,k,m] = sum(a[i,j,:] * b[k,:,m])
Parameters

  • a (array_like) – 第一个参数。

  • b (array_like) – 第二个参数。

  • out (Tensor, optional) – 输出参数。它必须与未使用时返回的类型完全相同。特别是，它必须具有正确的类型，必须是C连续的，并且其数据类型必须是 dot(a,b) 返回的数据类型。这是一个性能特性。因此，如果这些条件不满足，将抛出异常，而不是试图灵活应对。

Returns

output – 返回a和b的点积。如果a和b都是标量或都是一维数组，则返回一个标量；否则返回一个张量。如果提供了out，则返回它。

Return type

张量

Raises

ValueError – 如果 a 的最后一个维度与 b 的倒数第二个维度的大小不相同。

另请参阅

vdot

复共轭点积。

tensordot

在任意轴上求和产品。

einsum

爱因斯坦求和约定。

matmul

‘@’ 运算符作为带输出参数的方法。

示例

>>> import mars.tensor as mt

>>> mt.dot(3, 4).execute()
12

两个参数都没有取共轭复数：

>>> mt.dot([2j, 3j], [2j, 3j]).execute()
(-13+0j)

对于二维数组，它是矩阵乘积：

>>> a = [[1, 0], [0, 1]]
>>> b = [[4, 1], [2, 2]]
>>> mt.dot(a, b).execute()
array([[4, 1],
       [2, 2]])

>>> a = mt.arange(3*4*5*6).reshape((3,4,5,6))
>>> b = mt.arange(3*4*5*6)[::-1].reshape((5,4,6,3))
>>> mt.dot(a, b)[2,3,2,1,2,2].execute()
499128
>>> mt.sum(a[2,3,2,:] * b[1,2,:,2]).execute()
499128