Numpy中np.dot运算矩阵与一维数组维度不匹配问题求助

问题代码 #

import numpy as np
X = [0.2, 0.1, 0.1, -0.9 ]
weights = [[0.3, 0.4, 0.5],
           [-0.1, 0.9, -0.23],
           [0.05, -0.3, 0.7],
           [0.5, -0.123 , -0.008]]
   
biases = 2   
output = np.dot(weights, X) + biases
print(output)

报错信息 #

output = np.dot(weights, X) + biases
File "<array_function internals>", line 200, in dot
ValueError: shapes (4,3) and (4,) not aligned: 3 (dim 1) != 4 (dim 0)

问题原因 #

你对weights的形状判断错误：

• 你认为weights是(3,4)，但实际Numpy会把4个长度为3的子列表解析为4行3列的矩阵，即shape=(4,3)
• X转成Numpy数组后是一维数组shape=(4,)
• np.dot的规则是：第一个参数的列数必须等于第二个参数的行数，这里3≠4，所以触发形状不匹配错误

解决方案 #

有两种可行的修改方式：

方式1：转置weights矩阵 #

将weights转置为(3,4)，使其列数与X的行数匹配：

output = np.dot(np.array(weights).T, X) + biases

方式2：调换点乘顺序 #

直接用X点乘weights，此时X的行数(4)等于weights的行数(4)，计算后得到长度为3的结果：

output = np.dot(X, weights) + biases

验证结果 #

两种方式运行后都会得到正确输出：

array([ 0.37  ,  1.9037, -0.0772])

内容的提问来源于stack exchange，提问作者gops