Numpy-Dot 스칼라 벡터가있는 행렬 벡터 제품

Question

다음과 같은 방법으로 조작하려고하는 3 차원 데이터 세트가 있습니다.

data.shape = (643, 2890, 10) 
vector.shape = (643,) 

I가 2890x10 매트릭스 (643)의 길이는 1-D 어레이로 데이터를 참조 데이터와 벡터 간의 내적 (합곱?)를 계산 NumPy와 싶다. 루프를 사용하여이 작업을 수행 할 수 있지만 원시 노드를 사용하여이를 수행하는 방법을 찾고 싶습니다 (병렬 노드에서 여러 번 실행 됨).

등가 루프 (내가 믿는) :

a = numpy.zeros ((2890, 10)) 
for i in range (643): 
    a += vector[i]*data[i] 

정말 감사합니다! 미안 해요, 재교육이라면, 저는 멀리서 수색을했고, 결국 여러분에게 물어볼 계정을 만들었습니다. 당신의 NumPy와가 (1.6 이상) 충분히 새로운 경우

a = numpy.array ([[[1,1,1,1],[2,2,2,2],[3,3,3,3]], [[3,3,3,3],[4,4,4,4],[5,5,5,5]]]) 
    b = numpy.array ([10,20]) 
# Thus, 
    a.shape = (2,3,4) 
    b.shape = (2,) 
# Want an operation . such that: 
    a . b = [[10,10,10,10],[20,20,20,20],[30,30,30,30]] + [[60,60,60,60],[80,80,80,80],[100,100,100,100]] 
     = [[70,70,70,70],[100,100,100,100],[130,130,130,130]] 

Answer 1

, 당신은 numpy.einsum 사용할 수 있습니다

result = np.einsum('ijk,i -> jk', data, vector) 

---

In [36]: data = np.array ([[[1,1,1,1],[2,2,2,2],[3,3,3,3]], [[3,3,3,3],[4,4,4,4],[5,5,5,5]]]) 

In [37]: vector = np.array ([10,20]) 

In [38]: np.einsum('ijk,i -> jk', data, vector) 
Out[38]: 
array([[ 70, 70, 70, 70], 
     [100, 100, 100, 100], 
     [130, 130, 130, 130]]) 

---

또는를 np.einsum없이, 당신은 여분의 축을 추가 할 수 있습니다 vector으로 변경하고 broadcasting을 사용하여 곱셈을 수행하십시오 :

In [64]: (data * vector[:,None,None]).sum(axis=0) 
Out[64]: 
array([[ 70, 70, 70, 70], 
     [100, 100, 100, 100], 
     [130, 130, 130, 130]])