numpy 和 tensorflow 中的各种乘法(点乘和矩阵乘)

Posted xxpythonxx

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了numpy 和 tensorflow 中的各种乘法(点乘和矩阵乘)相关的知识,希望对你有一定的参考价值。

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。

技术图片

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。

技术图片

w的列数只能为 1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

技术图片

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:

技术图片

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:

技术图片

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:

技术图片

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:

技术图片

以上是关于numpy 和 tensorflow 中的各种乘法(点乘和矩阵乘)的主要内容,如果未能解决你的问题,请参考以下文章

为啥 TensorFlow matmul() 比 NumPy multiply() 慢得多?

TensorFlow-cpu优化及numpy优化

在 Tensorflow 中进行这种基于切片的乘法的最有效方法

Python Numpy中的几个矩阵乘法

Clojure 与 Numpy 中的矩阵乘法

anaconda+opencv+tensorflow环境配置