欢迎光临
我们一直在努力

NumPy的算术运算

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。

对应元素相乘示意图
图1:对应元素相乘示意图

赞(0) 打赏
未经允许不得转载:hosteons中文网 » NumPy的算术运算

评论 抢沙发

觉得文章有用就打赏一下文章作者

非常感谢你的打赏,我们将继续提供更多优质内容,让我们一起创建更加美好的网络世界!

支付宝扫一扫

微信扫一扫

登录

找回密码

注册