hosteons中文网

在机器学习和深度学习中，涉及大量的数组或矩阵运算，本节我们将重点介绍两种常用的运算：

• 一种是对应元素相乘，又称为逐元乘法（Element-Wise Product），可以使用 np.multiply() 函数或者*运算符；
• 另一种是点积或内积元素，运算符为 np.dot()。

对应元素相乘

对应元素相乘（Element-Wise Product）是两个矩阵中对应元素乘积。np.multiply() 函数用于数组或矩阵对应元素相乘，输出与相乘数组或矩阵的大小一致，其格式如下：

numpy.multiply(x1, x2, /, out=None, *, where=True,casting='same_kind', order='K', dtype=None, subok=True[, signature, extobj])

其中 x1、x2  之间的对应元素相乘遵守广播规则，NumPy 的广播规则后续将会介绍。

类似地，*运算符也能达到同样的效果。

以下我们通过一些示例来进一步说明：

>>> A = np.array([[1, 2], [-1, 4]])
>>> B = np.array([[2, 0], [3, 4]])
>>> A*B
array([[ 2,  0],
       [-3, 16]])
>>> np.multiply(A, B)
array([[ 2,  0],
       [-3, 16]])

矩阵 A 和 B 的对应元素相乘，由图1直观表示。

图1：对应元素相乘示意图