为何NumPy数组(8,900)@(900,3,3,3)运算报错,无法得到(8,3,3,3)结果?
错误根源:
@运算符的matmul维度规则和你的数组结构不匹配 NumPy中@运算符等价于np.matmul,它的维度匹配有固定的执行逻辑:
- 不管输入是几维数组,
np.matmul只会把数组的最后两个维度当成实际计算的矩阵部分,前面所有的维度全部视作独立的批量维度,仅按照广播规则对齐,不参与内积计算 - 矩阵乘的核心匹配要求是:第一个数组的最后一维(矩阵的列维度),必须等于第二个数组的倒数第二维(矩阵的行维度),这两个维度就是报错中提到的需要对齐的公共内积维度
k
对应你使用的两个输入数组:
- 形状为
(8, 900)的数组A:matmul会将其识别为8行900列的常规矩阵,要求第二个参与运算的数组,倒数第二维必须等于900,完成内积维度的对齐 - 形状为
(900, 3, 3, 3)的数组B:matmul只会读取它的最后两维(也就是两个值为3的维度)作为矩阵部分,把最前面的900识别为批量维度。此时B的倒数第二维是3,和A要求的内积维度900完全不一致,就触发了给出的维度不匹配报错——报错中提到的“core dimension 0 size is 3”,就是因为matmul把B的矩阵部分的行维度(也就是3)当成了需要和A对齐的核心维度,完全没有意识到你想要把最前面的900作为内积维度参与计算。
你预期运算的实际逻辑
你想要实现的效果,本质是用A里的8组长度为900的权重,对B中存的900个独立(3,3,3)张量做加权求和,最终得到8个(3,3,3)结构的结果。这一操作不属于常规二维矩阵乘的覆盖范围,因为B的结构嵌套了三维张量,不是线性排布的二维矩阵,没办法直接用@运算符完成计算。
可落地的实现方法
- 最直观的实现是使用
np.einsum直接指定维度运算关系,不需要手动调整数组形状。执行语句为result = np.einsum('ik,k...->i...', A, B),运算过程会自动消掉作为公共维度的900轴,最终输出形状完全符合预期的(8,3,3,3) - 兼容matmul规则的实现:先将B的后三维展平为一维向量,做完矩阵乘后再恢复为目标维度。代码参考:
# 将(900,3,3,3)展平为(900, 27),3*3*3=27 B_flat = B.reshape(900, -1) # 执行矩阵乘得到(8,27)的中间结果 result_mid = A @ B_flat # 恢复为目标的三维张量结构 result = result_mid.reshape(8, 3, 3, 3)
注意不要通过硬转置B的维度来适配matmul规则,很容易搞混维度顺序,导致输出的张量结构错位。
内容的提问来源于stack exchange,提问作者syj
相关产品推荐
相关产品推荐

