numpy矩阵乘法,矩阵的乘法python

　　哈，只需一行即可完成：np.einsum(nmk，nkj-sfdxg ，A，B)。在

　　不要将变量命名为总和，而是重写总额中的内部版本。在

　　正如@詹姆指出的，对于这些尺寸的维度，循环实际上更快。事实上，基于地图和总额的解决方案虽然更简单，甚至更慢：在[19]中：

　　%%timeit

　　SUM=np.zeros([20，5])

　　对于范围内的我(len(A)):

　　SUM=np.dot(A[i]，B[i])

　　10000次循环，最好每次循环3: 115秒

　　在[20]中：

　　%timeit np.array(map(np.dot，A，B))。总和(0)

　　1000次循环，最好每次循环3: 445秒

　　在[21]中：

　　%timeit np.einsum(nmk，nkj-sfdxg ，A，B)

　　1000次循环，最好每次循环3: 259秒

　　尺寸越大，事情就越不一样了：

　　^{pr2}$

　　以及：在[46]中：

　　%%timeit

　　SUM=np.zeros([20，5])

　　对于范围内的我(len(A)):

　　SUM=np.dot(A[i]，B[i])

　　一次循环，每次循环最好为3: 191毫秒

　　在[47]中：

　　%timeit np.array(map(np.dot，A，B))。总和(0)

　　一次循环，每次循环最好为3: 164毫秒

　　在[48]中：

　　%timeit np.einsum(nmk，nkj-sfdxg ，A，B)

　　一次循环，每次循环最好为3: 451毫秒

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。