일반적으로 라켓 및 함수 언어를 처음 사용합니다. 지금은 목록에 항목을 추가하려고합니다. 개념은 조금 혼란스럽고 왜 코드가 작동하지 않는지 확신 할 수 없습니다. 내적 계산을하려고합니다. 두 개의 목록 (A와 B)을 가져 와서 해당 요소를 각각 곱하는 "dProduct"라는 함수가 있습니다. ;function takes dot product
(de
두 개의 행렬 A, B, NxKxD 차원을 가지고 있고 행렬 C, NxKxDxD 차원을 얻고 싶습니다. C [n, k] = A [n, k] x B [n, k] .T (여기서 "x"는 차원 Dx1과 1xD의 행렬의 결과를 의미하므로 결과는 DxD 차원이어야 함) 이제 다음과 같은 코드가 생성됩니다 (여기서는 A = B = X). def square(X):
의 최대와 내적 (이에 대한 일반적인 수학적 용어가 또는이다) 다음을 수행 할 수 NumPy와의 방법이 있나요 당신이 완전히 위의 평행 볼 수 있듯이 M3[i,k] = max_j(M1[i,j] * M2[j,k])
, 단지 우리가 모든 j 이상 max을 : 지금은 합계 다른 조작에 의한 합을 대체하고자하는 최대 말 그리고 합계가 아닙니다. 기타 옵션은 m
나는 모양이 (t,3) 인 시계열 및 형태가 (3,3,t) 인 회전 행렬의 시계열을 가지고 있는데, 여기서 t 시계열의 길이입니다. 각 시간에 좌표의 내적을 찾고 싶습니다 t 회전 할 때마다 회전 행렬이 t이므로 회전 된 좌표 인 (t,3) 모양의 배열을 얻을 수 있습니다. 내가 작성하여 for 루프에이를 수 있습니다 new_coords = np.zeros
현재 우리는 python 프로젝트를 수행 중이며 성능 제약으로 인해 많은 벡터화가 필요합니다. 우리는 다음과 같은 계산으로 끝난다 : 우리는 모양이 두 개의 numpy 어레이 인 (20,6)을 가지고 행의 pairwise 내적을 계산하려고한다. 즉, 각 행은 각각의 벡터에 의해 얻어진 스칼라 인 마지막에 (20,1) 행렬을 얻어야한다. 도트 곱셈.
나는 A X B 배열과 다른 D X A X A 배열을 가지고 있고 D 축을 따라 두 배열의 내적의 합을 계산하는 효율적인 방법을 마련하려합니다 (그 결과는 A x B 배열이됩니다). 가장 확실한 방법은 for 루프를 사용하는 것입니다. numpy로 계산하는 것이 더 효율적인 방법이 있는지 궁금합니다. 나는 np.einsum으로 약간 읽었지만 불행히도이 경우
정상 내적 가정 이 질문은 평행하다 Numpy: Dot product with max instead of sum 이제 해결책을 생각하십시오. 또는 M3 = np.max(M1[:,:,None]*M2[None,:,:], axis=1)
치밀한 매트릭스 M1 및 희소 행렬 M2 참조한다. 불행히도 SciPy에서는 3D 스파 스 행렬을 사용할 수 없습니다. 기본
현재 PyCUDA를 사용하여 고정 메모리가있는 내적 제품을 작업하고 있습니다. 그리고 큰 배열에 문제가 있습니다. 내가 함께 일하고 있어요 : NVIDIA의 GTX는 1060 CUDA 9.1 PyCUDA 2017년 1월 1일 코드는 다음과 같습니다 #!/usr/bin/env python
import numpy as np
import argparse
도트 제품에 대해 알아보기 쉽습니다. b = matrix(1:70, ncol=7)
g= matrix(1:48, ncol=6)
resulta = matrix(0,6,7)
for (c in 1:ncol(b)){
for (i in 1:ncol(g)){
resulta[i,c] <- sum((g[,i]) * (b[,c]))
}
}
는 (의 다음 코드 3 줄을 내가 대신 같은 것을하고 싶은 a1a2 + b1b2 +c1c2
출력을 제공 e1 : matrix([a1],[b1],[c1]);
e2 : matrix([a2],[b2],[c2]);
dotproduct(e1,e2);
보자 |e1||e2|
위한 방법이 있나요 : |e|는 e의 규범)입니다dotproduct 함수에 대한