Numpy Matmul，同时忽略第一个轴

Question

在一个二维的shape (1000, 5)数组中，我有一组5维的shape (5,)，每个向量都要乘以一个形状(6, 5)的矩阵。在

我本以为广播可以让我这么做

A = np.random.rand(1000, 5)
B = np.random.rand(1, 6, 5) # empty axis for broadcasting
np.matmul(B, A)

但这不能正常工作。在

有没有一种方法可以做这种乘法，使np.matmul(B, A)产生形状(1000, 6)的输出？在

Answer 1

我刚刚想出了答案。解决方案是将数组格式化为

A = np.ones((100, 5, 1))
B = np.ones((6, 5))
np.matmul(B, A)

广播也没问题。希望这有帮助！在

Answer 2

如果你真的有这个：

A = np.random.rand(1000, 5)
B = np.random.rand(6, 5)

那么做这个手术更简单的方法是

^{pr2}$

或者

^{3}$

记住矩阵乘法是内积，因此内部维数必须匹配（在本例中，是5）。通过转置.T可以交换6和{}维，使它们按正确的顺序排列。在

如果您不想使用顺序（假设您有大量的维度），也可以始终使用np.einsum显式地设置轴

np.einsum('ij,kj->ik', A, B, optimize = True)

optimize使其几乎与.dot()或@一样快，但目前只在您不需要在输入上广播维度时才起作用（您不在这里）。在