numpy 和 tensorflow 中的各种乘法（点乘和矩阵乘）
2024-09-03 02:29:37
点乘和矩阵乘的区别：
1）点乘（即“ * ”） ---- 各个矩阵对应元素做乘法
若 w 为 m*1 的矩阵，x 为 m*n 的矩阵，那么通过点乘结果就会得到一个 m*n 的矩阵。
若 w 为 m*n 的矩阵，x 为 m*n 的矩阵，那么通过点乘结果就会得到一个 m*n 的矩阵。
w的列数只能为 1 或 与x的列数相等（即n），w的行数与x的行数相等 才能进行乘法运算。
2）矩阵乘 ---- 按照矩阵乘法规则做运算
若 w 为 m*p 的矩阵，x 为 p*n 的矩阵，那么通过矩阵相乘结果就会得到一个 m*n 的矩阵。
只有 w 的列数 == x的行数 时，才能进行乘法运算
1. numpy
1）点乘
1 import numpy as np
2
3 w = np.array([[0.4], [1.2]])
4 x = np.array([range(1,6), range(5,10)])
5
6 print w
7 print x
8 print w*x
运行结果如下图：
2）矩阵乘
1 import numpy as np
2
3 w = np.array([[0.4, 1.2]])
4 x = np.array([range(1,6), range(5,10)])
5
6 print w
7 print x
8 print np.dot(w,x)
运行结果如下：
2. tensorflow
1）点乘
1 import tensorflow as tf
2
3 w = tf.Variable([[0.4], [1.2]], dtype=tf.float32) # w.shape: [2, 1]
4 x = tf.Variable([range(1,6), range(5,10)], dtype=tf.float32) # x.shape: [2, 5]
5 y = w * x # 等同于 y = tf.multiply(w, x) y.shape: [2, 5]
6
7 sess = tf.Session()
8 init = tf.global_variables_initializer()
9 sess.run(init)
10
11 print sess.run(w)
12 print sess.run(x)
13 print sess.run(y)
运行结果如下：
2）矩阵乘
1 # coding:utf-8
2 import tensorflow as tf
3
4 w = tf.Variable([[0.4, 1.2]], dtype=tf.float32) # w.shape: [1, 2]
5 x = tf.Variable([range(1,6), range(5,10)], dtype=tf.float32) # x.shape: [2, 5]
6 y = tf.matmul(w, x) # y.shape: [1, 5]
7
8 sess = tf.Session()
9 init = tf.global_variables_initializer()
10 sess.run(init)
11
12 print sess.run(w)
13 print sess.run(x)
14 print sess.run(y)
运行结果如下：
最新文章
- Workflow笔记1——工作流介绍
- eclipse通过ctrl+shift+t无法找到源文件类的解决方法
- [转]CSS3 Media Query实现响应布局
- java提高篇(三)-----java的四舍五入
- Jquery的优势
- decorators.xml的用法 （转）
- 【原】Spark中Client源码分析（二）
- CAS单点登录配置[2]：证书生成
- sharepoint 2010 如何使用sharepoint多媒体视频播放media webpart功能
- 关于android 自己实现 back键 home键
- Grunt制作个人博客简集
- JS封装cookie操作函数实例(设置、读取、删除)
- 【转载】深入Java单例模式
- JS中判定问题
- 敏捷冲刺每日报告一（Java-Team）
- FIFO IP核仿真
- Appium appium 安装不了
- PAT甲题题解-1051. Pop Sequence (25)-堆栈
- CF 1114 D. Flood Fill
- oracle 存储过程实现数据CURD操作