numpy array和mat的乘法

总结：pytorch和numpy中，星号*都表示矩阵点对点相乘；matmul都表示矩阵乘法。

=======================================================================================

1.mat()函数中矩阵的乘积可以使用（星号） *  或 .dot()函数，其结果相同。而矩阵对应位置元素相乘需调用numpy.multiply()函数。

?

1 2 3 4 5 6 7 8 9

a = np.mat([1, 2, 3]) b = np.mat([1, 2, 3]) c = np.mat([[1],             [2],             [3]])   ele_multiply = np.multiply(a, b) mat_multiply = a*c dot_multiply = a.dot(c)

结果如下：

2.array()函数中矩阵的乘积可以使用np.matmul或者.dot()函数。而星号乘 （*）则表示矩阵对应位置元素相乘，与numpy.multiply()函数结果相同。

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26

import numpy as np   # np.dot示例---------------------------------------------------- a = np.array([[1, 2, 3],               [4, 5, 6]]) b = np.array([0, 1, 2]) print(np.dot(a, b.T))   # array([ 8, 17]).  shape (2,)   c = np.array([[0, 1, 2],               [0, 1, 2]]) print(np.dot(a, c.T))   # array([[ 8,  8],                         #        [17, 17]])    shape(2, 2)   # *示例---------------------------------------------------- a = np.array([[1, 2, 3], [4, 5, 6]]) b = np.array([[0, 0, 0], [1, 1, 1]]) print(a*b)   # array([[0, 0, 0],              #        [4, 5, 6]])    shape(2, 3)   c = np.array([2]) print(a*c)  # array([[ 2,  4,  6],             #        [ 8, 10, 12]])   shape(2, 3)   d = 2 print(a*d)  # array([[ 2,  4,  6],             #        [ 8, 10, 12]])   shape(2, 3)