在numpy中乘以几个矩阵

假设您有n个矩阵A1，...，An。无论如何要以一种整洁的方式增加这些矩阵？就我所知，numpy中的点只接受两个参数。一个明显的方法是定义一个函数来调用它自己并获得结果。有没有更好的方法来完成它？在numpy中乘以几个矩阵

2012-08-07 NNsr

这可能是一个相对较新的功能，但我很喜欢：

A.dot(B).dot(C)

，或者如果你有一个长链，你可以这样做：

reduce(numpy.dot, [A1, A2, ..., An])

更新：

还有更多有关减少的信息here.以下是可能有所帮助的示例。

>>> A = [np.random.random((5, 5)) for i in xrange(4)] 
>>> product1 = A[0].dot(A[1]).dot(A[2]).dot(A[3]) 
>>> product2 = reduce(numpy.dot, A) 
>>> numpy.all(product1 == product2) 
True

更新2016年由于蟒蛇3.5的，有一个新的matrix_multiply符号，@：

R = A @ B @ C

来源

2012-08-07 05:12:31

感谢您的回复。第一个选项正常工作;但第二个没有;或者至少我不能让它工作。你能否详细说明一下，或者举个例子？非常感谢 – NNsr 2012-08-07 05:41:45

我一直遇到这个问题，最后写了一个辅助函数。希望这是NumPy的一部分：'def xdot（* args）：return reduce（np.dot，args）' – rd11 2014-07-03 09:57:01

只需在A，B和C的类型为numpy.ndarray时添加此注释。这可能适用于其他类型，但我没有检查。 – OfLettersAndNumbers 2017-12-12 23:37:22

如果您先计算所有矩阵，那么您应该使用矩阵链乘法的优化方案。见this Wikipedia article。

来源

2012-08-07 02:05:48

感谢您的评论;但我不认为它是重要的矩阵。对？ – NNsr 2012-08-07 02:35:59

@Nikandish：正确。我错过了原来答案中的那部分内容。 – 2012-08-08 14:57:05

A_list = [np.random.randn(100, 100) for i in xrange(10)] 
B = np.eye(A_list[0].shape[0]) 
for A in A_list: 
    B = np.dot(B, A) 

C = reduce(np.dot, A_list) 

assert(B == C)

来源

2012-08-07 08:07:16

复活与更新一个老问题：

由于November 13, 2014

现在有一个 np.linalg.multi_dot功能，它正是你想要的。它还具有优化呼叫订单的优点，但在您的情况下这不是必需的。

请注意，这可从numpy版本1.10开始。

来源

2014-11-18 16:58:32 perimosocordiae

实现此目的的另一种方法是使用einsum，它为NumPy实现Einstein summation convention。

非常简单解释一下这个公约就这一问题：当你写下你的多重矩阵产品作为产品之一之大，你喜欢的东西：

P_im = sum_j sum_k sum_l A1_ij A2_jk A3_kl A4_lm

其中P的结果是你的产品和A1,A2,A3和A4是输入矩阵。请注意，您总结的是加数中出现两次的索引，即j,k和l。由于这个属性的总和常常出现在物理学，矢量演算以及其他一些领域，所以它有一个NumPy工具，即einsum。

在上面的例子中，你可以用它来计算你的矩阵产品如下：

P = np.einsum("ij,jk,kl,lm", A1, A2, A3, A4)

这里，第一个参数告诉该指数适用于参数矩阵，然后将所有倍加出现指数函数总结，产生所需的结果。

注意的是，计算效率取决于几个因素（所以你可能是最好关闭只测试它）：

来源

2016-10-03 07:14:18 Wrzlprmft

在numpy中乘以几个矩阵

回答

相关问题