张量点积
两个向量的点积
1 2 3 4 5 6 | import numpy as np a1 = np.array([ 1 , 2 , 3 , 4 , 5 ]) a2 = np.array([ 2 , 3 , 4 , 5 , 6 ]) a3 = np.dot(a1, a2) print (a3) # 70,对应位置的值相乘再相加 |
向量与矩阵的点积
1 2 3 4 5 6 7 8 9 10 11 12 13 | import numpy as np # 矩阵与向量的点积 matrix = np.array([ [ 1 , 2 , 3 , 4 , 5 ], [ 6 , 4 , 3 , 2 , 1 ] ]) vetor = np.array([ 3 , 6 , 5 , 2 , 1 ]) result = np.dot(matrix, vetor) print (result) """ [43 62] """ |
矩阵与矩阵的点积
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 | import numpy as np # 矩阵与矩阵的点积 matrix1 = np.array([ [ 1 , 2 , 3 , 4 , 5 ], [ 6 , 4 , 3 , 2 , 1 ] ]) matrix2 = np.array([ [ 8 , 2 , 3 , 4 , 5 ], [ 6 , 4 , 3 , 2 , 1 ], [ 6 , 4 , 3 , 2 , 1 ], [ 6 , 4 , 3 , 2 , 1 ], [ 6 , 4 , 3 , 2 , 1 ] ]) result = np.dot(matrix1, matrix2) # matrix的行与 atrix的列之间的点积 print (result) """ [[ 92 58 45 32 19] [108 52 48 44 40]] """ |
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· AI与.NET技术实操系列(二):开始使用ML.NET
· 记一次.NET内存居高不下排查解决与启示
· 探究高空视频全景AR技术的实现原理
· 理解Rust引用及其生命周期标识(上)
· 浏览器原生「磁吸」效果!Anchor Positioning 锚点定位神器解析
· 全程不用写代码,我用AI程序员写了一个飞机大战
· DeepSeek 开源周回顾「GitHub 热点速览」
· 记一次.NET内存居高不下排查解决与启示
· 物流快递公司核心技术能力-地址解析分单基础技术分享
· .NET 10首个预览版发布:重大改进与新特性概览!