Różnica między numpy dot () a Pythonem 3.5+ mnożenie macierzy @
Niedawno przeniosłem się do Pythona 3.5 i zauważyłem, że nowy operator mnożenia macierzy (@)czasami zachowuje się inaczej niż operator numpy dot. W przykładzie dla tablic 3d:
import numpy as np
a = np.random.rand(8,13,13)
b = np.random.rand(8,13,13)
c = a @ b # Python 3.5+
d = np.dot(a, b)
Operator @
zwraca tablicę kształtu:
c.shape
(8, 13, 13)
Podczas gdy funkcja np.dot()
zwraca:
d.shape
(8, 13, 8, 13)
Jak mogę odtworzyć ten sam wynik za pomocą numpy dot? Czy są jakieś inne znaczące różnice?
3 answers
Operator @
wywołuje metodę tablicy __matmul__
, a nie dot
. Ta metoda jest również obecna w API jako funkcja np.matmul
.
>>> a = np.random.rand(8,13,13)
>>> b = np.random.rand(8,13,13)
>>> np.matmul(a, b).shape
(8, 13, 13)
Z dokumentacji:
matmul
różni się oddot
na dwa ważne sposoby.
- mnożenie przez Skalary jest niedozwolone.
- stosy macierzy są nadawane razem tak, jakby macierze były elementami.
Ostatni punkt wyjaśnia, że dot
i matmul
metody zachowują się inaczej, gdy przekazywane są tablice 3D (lub wyższe wymiarowe). Cytując z dokumentacji trochę więcej:
Dla matmul
:
Jeśli któryś z argumentów jest N-D, N > 2, jest traktowany jako stos macierzy znajdujących się w dwóch ostatnich indeksach i odpowiednio nadawanych.
Dla np.dot
:
Dla macierzy 2-D jest równoważne mnożeniu macierzy, A dla macierzy 1-D iloczynowi wewnętrznemu wektorów (bez sprzężenia złożonego). dla N wymiarów jest iloczynem sumy nad ostatnią osią a i od drugiej do ostatniej z b
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2015-12-07 20:44:46
Odpowiedź @ ajcr wyjaśnia, w jaki sposób dot
i matmul
(wywoływane przez symbol @
) różnią się. Patrząc na prosty przykład, widać wyraźnie, jak oba zachowują się inaczej, gdy działają na "stosach matrików" lub tensorach.
Aby wyjaśnić różnice, weź tablicę 4x4 i zwróć dot
iloczyn i matmul
iloczyn z 2x4x3 "stosem macierzy" lub tensorem.
import numpy as np
fourbyfour = np.array([
[1,2,3,4],
[3,2,1,4],
[5,4,6,7],
[11,12,13,14]
])
twobyfourbythree = np.array([
[[2,3],[11,9],[32,21],[28,17]],
[[2,3],[1,9],[3,21],[28,7]],
[[2,3],[1,9],[3,21],[28,7]],
])
print('4x4*4x2x3 dot:\n {}\n'.format(np.dot(fourbyfour,twobyfourbythree)))
print('4x4*4x2x3 matmul:\n {}\n'.format(np.matmul(fourbyfour,twobyfourbythree)))
Produkty każdej operacji pojawiają się poniżej. Zauważ, jak wygląda produkt dot,
...a suma iloczynu nad ostatnią osią a i od drugiej do ostatniej z b
I w jaki sposób powstaje iloczyn macierzy poprzez transmisję macierzy razem.
4x4*4x2x3 dot:
[[[232 152]
[125 112]
[125 112]]
[[172 116]
[123 76]
[123 76]]
[[442 296]
[228 226]
[228 226]]
[[962 652]
[465 512]
[465 512]]]
4x4*4x2x3 matmul:
[[[232 152]
[172 116]
[442 296]
[962 652]]
[[125 112]
[123 76]
[228 226]
[465 512]]
[[125 112]
[123 76]
[228 226]
[465 512]]]
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2017-03-30 01:59:35
W matematyce myślę, że kropka w numpy ma większy sens
Kropka(A,b)_{i,j,k,A,b,c} = \sum_m a_{I,j,k,m}b_{a,b, m, c}
Ponieważ daje iloczyn punktowy, gdy a i b są wektorami, lub mnożenie macierzy, gdy a i b są macierzami
Jeśli chodzi o operację matmul w numpy, składa się ona z części wyniku dot i może być zdefiniowana jako
Matmul(A,b)_{I, j, k, c} = \ sum_m a_ {i, j, k, m}b_{I, j, M, c}
Więc widać, że matmul(A,b) zwraca tablicę o małym kształcie, który ma mniejsze zużycie pamięci i ma większy sens w aplikacjach. W szczególności, łącząc z nadawanie , można uzyskać
Na przykład.Matmul(A,b)_{i, j, k, l} = \ sum_m a_{i, j, k,m} b_ {j, M, L}
Z powyższych dwóch definicji można zobaczyć wymagania, aby korzystać z tych dwóch operacji. Zakładać a. shape = (s1,s2,s3, S4) i b.shape=(t1, t2, t3, t4)
-
Aby użyć dot(A,b) Potrzebujesz
1. **t3=s4**;
-
Aby użyć matmul (A,b) Potrzebujesz
- t3=s4
- t2=s2 , lub jeden z t2 i s2 jest 1
- t1=s1 , lub jeden z t1 i s1 jest 1
Użyj poniższego kodu, aby przekonać siebie.
Próbka kodu
import numpy as np
for it in xrange(10000):
a = np.random.rand(5,6,2,4)
b = np.random.rand(6,4,3)
c = np.matmul(a,b)
d = np.dot(a,b)
#print 'c shape: ', c.shape,'d shape:', d.shape
for i in range(5):
for j in range(6):
for k in range(2):
for l in range(3):
if not c[i,j,k,l] == d[i,j,k,j,l]:
print it,i,j,k,l,c[i,j,k,l]==d[i,j,k,j,l] #you will not see them
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2017-09-17 01:23:29