多维数组矩阵乘法报错：(3,2,2,2)与(2,2,2,2)无法广播求修正

你把两个数组理解为「每个元素是2x2矩阵的3x2矩阵」和「每个元素是2x2矩阵的2x2矩阵」，这个逻辑是对的，但NumPy的@运算符和np.dot的维度匹配规则和你的预期不匹配：

• @运算符将高维数组的最后两个维度视为矩阵维度，前面的维度视为batch维度。你的第一个数组batch维度是(3,2)，第二个是(2,2)，这两个batch维度无法广播，所以触发错误。
• np.dot会对所有非最后一个维度做广播后点积，导致结果维度膨胀到(3,2,2,2,2,2)，不符合需求。

方案1：用np.einsum明确指定维度映射 #

这是最直观的方式，直接按你理解的维度对应关系编写：

import numpy as np

a = np.random.randn(3,2,2,2)
b = np.random.randn(2,2,2,2)
result = np.einsum('abij,bcjk->abik', a, b)
print(result.shape)  # 输出 (3,2,2,2)

解释：

• abij对应数组a的维度：a的第0维是3（a）、第1维是2（b）、第2-3维是2x2矩阵（i,j）
• bcjk对应数组b的维度：b的第0维是2（b）、第1维是2（c）、第2-3维是2x2矩阵（j,k）
• abik是输出维度：保留a的a、b维度，保留矩阵的i、k维度，中间的b和j维度做矩阵乘法求和。

方案2：调整维度后用@运算符 #

如果你更习惯用@，可以先调整数组维度，让batch维度匹配广播规则：

# 把a的维度从(3,2,2,2)变成(3,2,1,2,2)，b的维度从(2,2,2,2)变成(1,2,2,2,2)
result = a[:, :, None, :, :] @ b[None, :, :, :, :]
# 去掉中间多余的维度
result = result.squeeze()
print(result.shape)  # 输出 (3,2,2,2)

这里通过添加None扩展维度，让batch维度(3,2,1)和(1,2,2)可以广播为(3,2,2)，然后@对最后两个维度做矩阵乘法，最后用squeeze()去掉多余的单维度。

方案3：用np.matmul配合维度扩展 #

和方案2逻辑一致，np.matmul的规则和@相同：

result = np.matmul(a[:, :, None, :, :], b[None, :, :, :, :]).squeeze()
print(result.shape)  # 输出 (3,2,2,2)

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