np.dot()、np.multiply()、np.matmul()方法以及*和@运算符的用法总结

转载自：https://blog.csdn.net/FrankieHello/article/details/103510118

一：基本概念

（一）点积（dot product)

又称为数量积、标量积（scalar product）或者内积（inner product）

它是指实数域中的两个向量运算得到一个实数值标量的二元运算。

举例：

（二）矩阵乘法 

两个运算的矩阵需要满足矩阵乘法的规则，即需要前一个矩阵的列与后一个矩阵的行相匹配。

总之：上面的两个概念都是针对向量或者矩阵的运算，需要和标量的计算区分开来。

二：dot运算

如果参与运算的两个一维数组，那么得到的结果是两个数组的内积（inner product）；

可以看着没有进行转置的矩阵乘法。 

注意：两个向量必须同维度

如果参与运算的是两个二维数组，那么得到的结果是矩阵乘积（matrix multiplication），两个参与运算的矩阵需要满足矩阵乘法的规则，但是官方更推荐使用np.matmul()和@用于矩阵乘法。

三：np.multiply()和*

星号和np.multiply()方法是针对的是标量的运算，当参与运算的是两个数组时，得到的结果是两个数组进行对应位置的乘积（element-wise product），输出的结果与参与运算的数组或者矩阵的大小一致。

四：np.matmul()和@

matmul是matrix multiply的缩写，所以即是专门用于矩阵乘法的函数。另外，@运算方法和matmul()则是一样的作用，相当于简便写法。 

五：总结

当进行向量的内积运算时，可以通过np.dot()
当进行矩阵的乘法运算时，可以通过np.matmul()或者@
当进行标量的乘法运算时，可以通过np.multiply()或者*