问题描述
NumPy 的 tensordot
和 einsum
函数之间的异同有详细记录,并在本论坛中进行了广泛讨论(例如 [1]、[2]、{{3} }、[3]、[4])。但是,我遇到了一个使用 einsum
的矩阵乘法实例,我发现使用 tensordot
进行复制非常困难,如果不是不可能的话:如果我们的两个数组是,
>>> A = np.array([[0,1],[1,0]])
>>> B = np.arange(2 ** 4).reshape((2,2,2))
>>> np.einsum("ab,ibjk->iajk",A,B)
array([[[[ 4,5],[ 6,7]],[[ 0,[ 2,3]]],[[[12,13],[14,15]],[[ 8,9],[10,11]]]])
根据我的发现,答案似乎是否定的。问题出现在输出维度 iajk
的索引中。此处,数组a
的维度A
出现在数组i
的维度j
和B
之间。如果输出维度的索引改为 aijk
,np.tensordot(A,B,(1,1))
会正常工作。我使用所有可能的轴进行了测试,以确保
>>> output_einsum = np.einsum("ab,B)
>>> axes_A = [-2,-1,1]
>>> axes_B = [-4,-3,-2,1,3]
>>> for i in axes_A:
... for j in axes_B:
... output_tensordot = np.tensordot(A,axes=(i,j))
... if np.allclose(ouput_einsum,output_tensordot):
... print(i,j)
...
并发现没有允许轴的组合产生预期的结果。请注意,B
的维度将 axes
参数的每个元素限制为长度为 1。使用 einsum
不能在一行中重现具有交错输出维度的 tensordot
函数是否正确?如果是这样,是否存在多行解决方法?
解决方法
正如我在之前的回答中强调的那样,tensordot
是 np.dot
的扩展,允许我们指定乘积总和中使用的维度。 dot
默认为 A 的最后一个,B 的第二个到最后一个。
这说明了 dot
如何处理大于 2 的维度:
In [158]: np.dot(np.ones((2,3,4)),np.ones((5,4,7))).shape
Out[158]: (2,5,7)
按照tensordot
的说法,B
的非收缩尺寸遵循A
的尺寸。所以采用相同的数组,但移动轴,产生相同的结果。
In [162]: np.tensordot(np.ones((2,3)),7,(1,2)).shape
Out[162]: (2,7)
在这些示例中,我选择了不同的维度,因此顺序更加明显。
tensordot
不提供重新排序非收缩维度的方法。但是您可以在之后轻松地做到这一点。
您的示例周围有尺寸 2 的尺寸。这允许您指定轴的任意组合,但需要使用 allclose
来测试结果。
In [146]: >>> A = np.array([[0,1],[1,0]])
...: >>> B = np.arange(2 ** 4).reshape((2,2,2))
在两个数组的第二个轴上执行乘积和:
In [147]: C=np.tensordot(A,B,1))
In [148]: C.shape
Out[148]: (2,2)
In [149]: C
Out[149]:
array([[[[ 4,5],[ 6,7]],[[12,13],[14,15]]],[[[ 0,[ 2,3]],[[ 8,9],[10,11]]]])
以及带有默认结果排序 ('aijk') 的 einsum
In [150]: D= np.einsum('ab,ibjk',A,B)
In [151]: np.allclose(C,D)
Out[151]: True
tensordot
相当于此 dot
:
In [152]: E = np.dot(A,B.reshape(2,4))
In [153]: E.shape
Out[153]: (2,4)
In [154]: np.allclose(C,E.reshape(2,2))
Out[154]: True
In [155]: np.allclose(E,np.einsum('ab,ibk',4)))
Out[155]: True