numpy.dot#

numpy.dot(a, b, out=None)#

兩陣列的點積。具體來說，

如果 a 和 b 都是一維陣列，則為向量的內積（不含複數共軛）。
如果 a 和 b 都是二維陣列，則為矩陣乘法，但建議使用 matmul 或 a @ b。
如果 a 或 b 其中之一是 0 維（純量），則等同於 multiply，且建議使用 numpy.multiply(a, b) 或 a * b。
如果 a 是 N 維陣列，而 b 是一維陣列，則為 a 的最後一個軸與 b 的總和乘積。
如果 a 是 N 維陣列，而 b 是 M 維陣列（其中 M>=2），則為 a 的最後一個軸與 b 的倒數第二個軸的總和乘積。
```
dot(a, b)[i,j,k,m] = sum(a[i,j,:] * b[k,:,m])
```

在可能的情況下，它會使用最佳化的 BLAS 函式庫（請參閱 numpy.linalg）。

參數:

aarray_like: 第一個引數。
barray_like: 第二個引數。
outndarray，選用: 輸出引數。這必須具有與不使用時會傳回的完全相同的種類。特別是，它必須具有正確的類型、必須是 C 相鄰的，且其 dtype 必須是為 dot(a,b) 傳回的 dtype。這是一項效能功能。因此，如果未滿足這些條件，則會引發例外，而不是嘗試彈性處理。

傳回值:

outputndarray: 傳回 a 和 b 的點積。如果 a 和 b 都是純量或都是一維陣列，則傳回純量；否則傳回陣列。如果給定 out，則會傳回它。

引發:

ValueError: 如果 a 的最後一個維度與 b 的倒數第二個維度的大小不同。

參見

vdot: 複數共軛點積。
vecdot: 兩個陣列的向量點積。
tensordot: 任意軸上的總和乘積。
einsum: 愛因斯坦求和約定。
matmul: 作為帶有 out 參數的方法的 ‘@’ 運算子。
linalg.multi_dot: 鏈式點積。

範例

>>> import numpy as np
>>> np.dot(3, 4)
12

兩個引數都不是複數共軛

>>> np.dot([2j, 3j], [2j, 3j])
(-13+0j)

對於二維陣列，它是矩陣乘積

>>> a = [[1, 0], [0, 1]]
>>> b = [[4, 1], [2, 2]]
>>> np.dot(a, b)
array([[4, 1],
       [2, 2]])

>>> a = np.arange(3*4*5*6).reshape((3,4,5,6))
>>> b = np.arange(3*4*5*6)[::-1].reshape((5,4,6,3))
>>> np.dot(a, b)[2,3,2,1,2,2]
499128
>>> sum(a[2,3,2,:] * b[1,2,:,2])
499128