我想知道是否有更快捷的方法/专门的NumPy函数来执行二维NumPy数组的逐元素乘法,然后对所有元素求和。
我目前使用np.sum(np.multiply(A, B))
,其中A、B是等维度的NumPy数组,维度为m×n
。
np.tensordot
-np.tensordot(A,B, axes=((0,1),(0,1)))
在将输入数据展平后,使用 np.dot
的另一种方法:
A.ravel().dot(B.ravel())
使用np.einsum
的另一种方法 -
np.einsum('ij,ij',A,B)
示例运行 -
In [14]: m,n = 4,5
In [15]: A = np.random.rand(m,n)
In [16]: B = np.random.rand(m,n)
In [17]: np.sum(np.multiply(A, B))
Out[17]: 5.1783176986341335
In [18]: np.tensordot(A,B, axes=((0,1),(0,1)))
Out[18]: array(5.1783176986341335)
In [22]: A.ravel().dot(B.ravel())
Out[22]: 5.1783176986341335
In [21]: np.einsum('ij,ij',A,B)
Out[21]: 5.1783176986341326
运行时测试
In [23]: m,n = 5000,5000
In [24]: A = np.random.rand(m,n)
...: B = np.random.rand(m,n)
...:
In [25]: %timeit np.sum(np.multiply(A, B))
...: %timeit np.tensordot(A,B, axes=((0,1),(0,1)))
...: %timeit A.ravel().dot(B.ravel())
...: %timeit np.einsum('ij,ij',A,B)
...:
10 loops, best of 3: 52.2 ms per loop
100 loops, best of 3: 19.5 ms per loop
100 loops, best of 3: 19.5 ms per loop
100 loops, best of 3: 19 ms per loop