Numpy：如何用一个矩阵乘以一个三维张量--建议

Question

我有一个形状为的矩阵P和一个形状为的三维张量T。我希望将P与T中每个NxR矩阵相乘，得到一个形状为的三维张量。

使用P.dot(T).transpose(1,0,2)可以得到所需结果。是否有更好的方法（即去除transpose）解决这个问题？由于这是一种常见的操作，因此我认为其他人已经找到了不同的方法，例如使用tensordot（我尝试了但未能获得所需结果）。非常感谢您的意见/建议！

- osdf

Answer 1

scipy.tensordot(P, T, axes=[1,1]).swapaxes(0,1)

- Steve Tjoa

---

哈！昨天我盯着 scipy.tensordot(P, T, axes=[1,1]) 的结果看了好几个小时，因为维度被交换而感到绝望。没想到还有 swapaxes 这个函数，谢谢！ - osdf

不客气。我还检查了交换轴是否给出了正确的数字答案，确实如此。 - Steve Tjoa

Answer 2

你可以使用爱因斯坦求和符号：

你可以使用爱因斯坦求和符号：

P = numpy.random.randint(1,10,(5,3))
P.shape
T = numpy.random.randint(1,10,(2,3,4))
T.shape

numpy.einsum('ij,kjl->kil',P,T)

这将给你相同的结果：

P.dot(T).transpose(1,0,2)

- cwitte