不同维度矩阵相乘[通俗易懂]

不同维度矩阵相乘[通俗易懂]在深度学习中经常会遇到不同维度的矩阵相乘的情况,本文会通过一些例子来展示不同维度矩阵乘法的过程。总体原则:在高维矩阵中取与低维矩阵相同维度的分片来与低维矩阵相乘,结果再按分片时的顺序还原为高维矩阵。相乘结果的维度与原来的高维矩阵一致。二维乘一维三维乘一维三维乘二维…

大家好,又见面了,我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。

Jetbrains全家桶1年46,售后保障稳定

前言

在深度学习中经常会遇到不同维度的矩阵相乘的情况,本文会通过一些例子来展示不同维度矩阵乘法的过程。

总体原则:在高维矩阵中取与低维矩阵相同维度的子矩阵来与低维矩阵相乘,结果再按子矩阵的排列顺序还原为高维矩阵。相乘结果的维度与原来的高维矩阵一致。
具体来说,当一方为一维矩阵时,另一方取其最后一维子矩阵来做乘法;当两方都是大于等于2维的矩阵时,取各自的最后两维构成的子矩阵来做乘法,其他维度体现结果的拼接信息,不参与运算(为batch训练提供了便利,batch中各样本的顺序在矩阵运算前后保持一致)。

实例:下面我们从低维到高维,依次演示不同维度矩阵相乘的结果。

二维乘一维

二维矩阵依次取出一维的行向量与一维矩阵做内积

#二维乘一维
import numpy as np

a = np.linspace(1,4,4).reshape(2,2)
b = np.array([1,1])
c = np.matmul(a,b)
print('a:\n',a)
print('b:\n',b)
print('ab:\n',c)

Jetbrains全家桶1年46,售后保障稳定

在这里插入图片描述

三维乘一维

三维矩阵包含两个二维矩阵,分别将这两个二维矩阵与一维矩阵相乘(乘积为一维),结果按原来的顺序拼接起来,构成一个二维矩阵

#三维乘一维
import numpy as np

a = np.linspace(1,8,8).reshape(2,2,2)
b = np.array([1,1])
c = np.matmul(a,b)
print('a:\n',a)
print('b:\n',b)
print('ab:\n',c)

在这里插入图片描述

二维乘二维

最常见的矩阵相乘形式

#二维乘二维
import numpy as np

a = np.linspace(1,4,4).reshape(2,2)
b = np.ones((2,2))
c = np.matmul(a,b)
print('a:\n',a)
print('b:\n',b)
print('ab:\n',c)

在这里插入图片描述

三维乘二维

将三维矩阵中的后两维组成的二维子矩阵分别与二维矩阵相乘(二维),结果再按原顺序拼接起来(三维)

#相当于三维矩阵里的二维分量分别与二维矩阵相乘,再拼接起来
import numpy as np

a=np.linspace(1,8,8).reshape(2,2,2)
# print(a)
b = np.array([[1,0],[0,1]]) #单位矩阵
c = np.matmul(a,b)
print('a:\n',a)
print('b:\n',b)
print('ab:\n',c)

在这里插入图片描述

三维乘三维

两个三维矩阵中对应位置的二维子矩阵分别相乘,结果按第0维分量更多的那个矩阵的结构拼接。
注意:,并不是任意两个三维矩阵都能相乘,其必须满足两个条件:

1:两个矩阵的后两个维度构成的二维矩阵之间必须满足二维矩阵相乘的条件,即第一个矩阵的列数等于第二个矩阵的行数
2:两个矩阵的第0维分量数必须相等(每个分量对应相乘) 或 有一方为1(broadcast-广播机制) —-反例见下方第3种情况

1-(2,2,2)*(2,2,2)

#三维乘三维 (2,2,2)*(2,2,2)
#计算时都是二维乘二维,第三维度反映二维矩阵的拼接信息;对应位置二维矩阵相乘
import numpy as np

a=np.linspace(1,8,8).reshape(2,2,2)
# print(a)
e = np.array([[[1,0],[0,1]]])
f = np.array([[[0,1],[1,0]]])
b = np.vstack((e,f))
c = np.matmul(a,b)
print('a:\n',a)
print('b:\n',b)
print('ab:\n',c)

在这里插入图片描述

2-(2,2,2)*(1,2,2)

#三维乘三维 (2,2,2)*(1,2,2)
#广播机制(broadcast)
import numpy as np

a=np.linspace(1,8,8).reshape(2,2,2)
# print(a)
b = np.array([[[0,1],[1,0]]])
c = np.matmul(a,b)
print('a:\n',a)
print('b:\n',b)
print('ab:\n',c)

在这里插入图片描述

3-(3,2,2)*(2,2,2)–失败

第0维分量数不满足条件2,不能相乘

# 三维乘三维--不同形状:(4,2,2)*(2,2,2)
import numpy as np

a=np.linspace(1,16,16).reshape(4,2,2)
# print(a)
e = np.array([[[1,0],[0,1]]])
f = np.array([[[0,1],[1,0]]])
b = np.vstack((e,f))
c = np.matmul(a,b)
print('a:\n',a)
print('b:\n',b)
print('c:\n',c)

在这里插入图片描述

多维乘多维

与三维乘三维类似,可乘条件2改为:除最后两维外,每一维的分量数必须对应相等(每个分量对应相乘) 或 有一方为1(broadcast-广播机制)

#各维度的分量相互对应,最终仍是计算二维乘二维
import numpy as np

a=np.linspace(1,16,16).reshape(2,2,2,2)
b = np.ones((2,2,2,2)) #全1矩阵
c = np.matmul(a,b)
print('a:\n',a)
print('b:\n',b)
print('ab:\n',c)

在这里插入图片描述

参考资料

知乎:多维矩阵相乘的可视化

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/230764.html原文链接:https://javaforall.cn

【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛

【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...

(0)
blank

相关推荐

  • 不借助任何工具将CLOVER引导添加进UEFI的正确姿势(简单暴力版本)「建议收藏」

      经常安装hackintosh的同学会发现,安装完macOS后,需要做的第一件事情就要将EFI移进机器自带的磁盘中,同时添加CLOVER引导项到UEFI中以实现CLOVER引导加载macOS。通常的作法是进Windows/PE工具里,使用类似EASYUEFI或者BOOTICE之类的工具添加一条引导记录到UEFI中。现在教给大家一招:不借助任何工具,使用CLOVER自带的功能添加一个…

  • haxm device is not found

    haxm device is not foundandriodstudio刚装完,都会忍不住跑一个helloworld~但是AVDManager里的虚拟设备会提示错误:haxmdeviceisnotfound.androidstudio–>Tools–>AVDManager–>+CreateVirtualDevice…–>VirtualDeviceConfiguration–>Phone–>随便点一个–>Next。出现这个问题:EnableVT-xin

  • 深入理解CMA【转】

    深入理解CMA【转】

  • 粒子群算法matlab代码(注释很详细哦,图像也美美哒,任意维度)[通俗易懂]

    粒子群算法matlab代码(注释很详细哦,图像也美美哒,任意维度)[通俗易懂]整个程序分为5个脚本pso1_mian.m:主程序,在此脚本内设置参数。pso1_im.m:画出函数图像(仅1维和2维)pso1_in.m:初始化pso1_in2.m:迭代寻优并输出结果另外还有一个目标函数,单独为一个脚本。推荐的测试函数—>这里先上运行结果图下面是源码1.pso1_mian.m这里的目标函数用函数句柄的形式调用(第15行)%%粒子群算法%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%pso1_im

  • 电脑ping命令显示不是内部命令_cmd一直ping的命令

    电脑ping命令显示不是内部命令_cmd一直ping的命令在cmd中用PING命令时,出现’Ping’不是内部或外部命令,也不是可运行的程序或批处理文件。先了解一下内容:1、可执行文件、命令文件和批处理文件以.exe或者.com或者.bat为扩展名的文件分别被称为可执行文件、命令文件和批处理文件。2、外部命令和内部命令DOS命令可以分为外部命令和内部命令,内部命令包含在一个名为command.com的文件,在系统启动时候驻留在内存中。外部命令是保存在c…

  • Sober算子边缘检测与Harris角点检测1「建议收藏」

    Sober算子边缘检测与Harris角点检测1「建议收藏」此篇文章主要介绍了Sobel算子的底层运算规律,和cvHarris的相关介绍Harrisopencv的对应代码cv2.cornerHarris(src,blockSize,ksize,k[,dst[,borderType]])参数类型src-输入灰度图像,float32类型blockSize-用于角点检测的邻域大小,就是上面提到的窗口的尺寸ksize-用于计算梯

发表回复

您的电子邮箱地址不会被公开。

关注全栈程序员社区公众号