如何高效向量化Python中的目标函数？修正错误实现

我已编写Python代码计算如下函数，其中y_i和z_i为固定值。

实际场景中，我需要在大量不同的向量x上计算该函数。为避免循环，我希望充分利用NumPy的向量化与广播特性。

目标：编写一个Python函数，输入为形状(M, p)的矩阵X（每行对应一个向量x），为每行计算上述表达式，输出形状为(M, p)的结果。

def single_function(x):
    """Assumes y is a vector (n,) and Z is a matrix (n, p). These are fixed."""
    return x / (sigma**2) - gamma*np.sum((np.exp(-np.logaddexp(0.0, y*np.matmul(Z, x))) * y)[:, None] * Z, axis=0)

我尝试编写的向量化函数存在错误，但无法定位问题所在。

def vectorised(X):
    return X / (sigma**2) - gamma*np.matmul(np.exp(-np.logaddexp(0.0, y[None, :] * X.dot(Z.T))) * y[None, :], Z)

内容的提问来源于stack exchange，提问作者Euler_Salter