理解numpy.dot()多维数组点积规则及实例计算细节

核心规则回顾 #

当a是N维数组，b是M维数组（M≥2）时，点积定义为对a的最后一个轴与b的倒数第二个轴进行对应元素相乘后求和。

实例代码 #

import numpy as np

# 3维数组a，shape=(2, 3, 3)
a = np.array([[[2,3,4],[5,6,7],[1,2,3]],[[1,3,4],[7,1,2],[6,2,1]]])
# 2维数组b，shape=(3, 3)
b = np.array([[1 , 2, 3],[4, 5 ,6],[7, 8, 9]])

# 计算点积
result = np.dot(a, b)

疑问解答 #

1. 结果中的第一个值“42”是如何计算的？

结果的第一个元素42，是a的最外层第一个子数组的第一行[2, 3, 4]，与b的第一列[1, 4, 7]做对应元素相乘后求和：

2*1 + 3*4 + 4*7 = 2 + 12 + 28 = 42

同理，结果中同一行的51和60，是这个a的子行分别与b的第二列、第三列做相同计算：

• 51 = 2*2 + 3*5 + 4*8 = 4 + 15 + 32
• 60 = 2*3 + 3*6 + 4*9 = 6 + 18 + 36

2. a的最后一个轴和b的倒数第二个轴分别指什么？

numpy数组的轴从0开始编号，维度顺序从外到内：

• 对于a数组（shape=(2,3,3)）：
  • 轴0：最外层维度（长度2，对应2个大子数组）
  • 轴1：中间维度（长度3，每个大子数组含3行）
  • 轴2（最后一个轴）：最内层维度（长度3，每行含3个元素）
• 对于b数组（shape=(3,3)）：
  • 轴0（倒数第二个轴）：行维度（长度3，共3行）
  • 轴1：列维度（长度3，共3列）

规则的本质是：要求a的最后一个轴长度与b的倒数第二个轴长度相等（这里都是3），才能进行对应元素相乘求和——这其实就是矩阵乘法中“行×列”的点积逻辑，多维数组下则是对所有非目标轴的维度做批量矩阵乘法。

内容的提问来源于stack exchange，提问作者kayalotta