【Python学习笔记】多个矩阵点乘和叉乘

一、定义

• 点乘，对应元素相乘，点乘对象的行数必须相等，且前者的列数必须与后者相等，或为1，具有广播机制。
• 叉乘，前者的列数必须和后者的行数相等

二、代码实现

• numpy完成矩阵的点乘和叉乘

import numpy as np

a = np.array([[2], [2]])
b = np.array([[3, 4, 5], [3, 4, 5]])
c = np.array([[1, 2], [1, 2]])

print('点乘结果:\n', a*b)  
print('叉乘结果:\n', c.dot(b))  # np.dot(c, b)

• torch完成多个矩阵的叉乘

import torch
a = torch.tensor([[1, 2], [1, 2]])  # 2*2
b = torch.tensor([[3, 4, 5], [3, 4, 5]])  # 2*3
c = torch.tensor([[5, 6, 7, 8], [5, 6, 7, 8], [5, 6, 7, 8]])  # 3*4
def matrix_mul(*matrix):
    for ind, i in enumerate(matrix):
        # 只用单位阵乘第一个矩阵 
        if ind == 0:
            out = torch.eye(matrix[0].shape[0])
        out = torch.mm(out, i.float()) 
    return out
    
print('matrix_mul函数结果:\n', matrix_mul(a, b, c)  )  
print('torch.mm函数结果:\n', torch.mm(torch.mm(a, b), c))

numpy完成多个矩阵的叉乘，可以参考上述torch的方法；
torch的点乘直接用 * 或者torch.mul、torch.multiply

a = torch.tensor([[2], [2]])  # 2*2
b = torch.tensor([[3, 4, 5], [3, 4, 5]])  # 2*3
torch.multiply(a, b)
torch.mul(a, b)