如何高效通过X、theta两个数组生成对应点积目标矩阵

核心问题 #

你当前使用的Python原生双层循环需要在解释器层面逐次执行运算，没有利用NumPy的向量化加速能力，面对稍大的n、k值时效率会极低。

最优优化方案：直接用矩阵乘法实现 #

我们需要的(k, n)维结果矩阵，本质等价于theta和X的转置做矩阵乘法后，整体除以temp_parameter，完全匹配你需要的元素计算逻辑：

• 矩阵乘法theta @ X.T的输出维度正好是(k, d) @ (d, n) = (k, n)
• 输出矩阵的第j行第i列的值，正好是theta第j行和X第i行的点积

代码实现如下：

import numpy as np
result = (theta @ X.T) / temp_parameter

该方案没有任何Python层面的循环，所有运算都调用NumPy底层的C语言实现，运算效率比原嵌套循环高数百到数千倍，是该场景下的首选实现。

备选方案：广播机制实现 #

如果需要更灵活的维度调整逻辑，也可以用NumPy广播实现，性能略低于矩阵乘法但仍然远高于原生循环：

# 按最后一维做元素乘后求和，再转置得到(k, n)维度结果
result = (np.sum(X[:, None, :] * theta[None, :, :], axis=-1).T) / temp_parameter

内容的提问来源于stack exchange，提问作者DragonFire0310