點乘和矩陣乘的區別：
1)點乘(即“ * ”) ---- 各個矩陣對應元素做乘法
若 w 為 m*1 的矩陣，x 為 m*n 的矩陣，那么通過點乘結果就會得到一個 m*n 的矩陣。
若 w 為 m*n 的矩陣，x 為 m*n 的矩陣，那么通過點乘結果就會得到一個 m*n 的矩陣。
w的列數只能為 1 或 與x的列數相等(即n)，w的行數與x的行數相等 才能進行乘法運算。
2)矩陣乘 ---- 按照矩陣乘法規則做運算
若 w 為 m*p 的矩陣，x 為 p*n 的矩陣，那么通過矩陣相乘結果就會得到一個 m*n 的矩陣。
只有 w 的列數 == x的行數 時，才能進行乘法運算
1. numpy
1)點乘
import numpy as np
w = np.array([[0.4], [1.2]])
x = np.array([range(1,6), range(5,10)])
print w
print x
print w*x
運行結果如下圖：
2)矩陣乘
import numpy as np
w = np.array([[0.4, 1.2]])
x = np.array([range(1,6), range(5,10)])
print w
print x
print np.dot(w,x)
運行結果如下：
2. tensorflow
1)點乘
import tensorflow as tf
w = tf.Variable([[0.4], [1.2]], dtype=tf.float32) # w.shape: [2, 1]
x = tf.Variable([range(1,6), range(5,10)], dtype=tf.float32) # x.shape: [2, 5]
y = w * x # 等同于 y = tf.multiply(w, x) y.shape: [2, 5]
sess = tf.Session()
init = tf.global_variables_initializer()
sess.run(init)
print sess.run(w)
print sess.run(x)
print sess.run(y)
運行結果如下：
2)矩陣乘
# coding:utf-8
import tensorflow as tf
w = tf.Variable([[0.4, 1.2]], dtype=tf.float32) # w.shape: [1, 2]
x = tf.Variable([range(1,6), range(5,10)], dtype=tf.float32) # x.shape: [2, 5]
y = tf.matmul(w, x) # y.shape: [1, 5]
sess = tf.Session()
init = tf.global_variables_initializer()
sess.run(init)
print sess.run(w)
print sess.run(x)
print sess.run(y)
運行結果如下：
到此這篇關于numpy和tensorflow中的各種乘法(點乘和矩陣乘)的文章就介紹到這了,更多相關numpy和tensorflow 乘法內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:- Numpy實現矩陣運算及線性代數應用
- numpy數組合并和矩陣拼接的實現
- NumPy 矩陣乘法的實現示例
- 從Pytorch模型pth文件中讀取參數成numpy矩陣的操作
- Python numpy大矩陣運算內存不足如何解決
- 使用numpy實現矩陣的翻轉(flip)與旋轉
