48

假设你有 n 个方阵 A1,...,An。反正有没有以一种简洁的方式将这些矩阵相乘？据我所知，numpy 中的 dot 只接受两个参数。一种明显的方法是定义一个函数来调用自身并获取结果。有没有更好的方法来完成它？

4

5 回答 5

78

这可能是一个相对较新的功能，但我喜欢：

A.dot(B).dot(C)

或者如果你有一条长链，你可以这样做：

reduce(numpy.dot, [A1, A2, ..., An])

更新：

这里有关于 reduce 的更多信息。这是一个可能有帮助的例子。

>>> A = [np.random.random((5, 5)) for i in xrange(4)]
>>> product1 = A[0].dot(A[1]).dot(A[2]).dot(A[3])
>>> product2 = reduce(numpy.dot, A)
>>> numpy.all(product1 == product2)
True

2016 年更新：从 python 3.5 开始，有一个新的 matrix_multiply 符号@：

R = A @ B @ C
于 2012-08-07T05:12:31.673 回答
42

用更新复活一个老问题：

截至2014 年 11 月 13 日，现在有一个np.linalg.multi_dot功能可以完全满足您的需求。它还具有优化呼叫顺序的好处，尽管在您的情况下这不是必需的。

请注意，这从 numpy 版本 1.10 开始可用。

于 2014-11-18T16:58:32.670 回答
4

如果您先验地计算所有矩阵，那么您应该使用矩阵链乘法的优化方案。请参阅此维基百科文章。

于 2012-08-07T02:05:48.733 回答
4

实现此目的的另一种方法是使用einsum，它为 NumPy 实现了爱因斯坦求和约定。

为了非常简要地解释关于这个问题的这个约定：当你把你的多矩阵乘积写成一个很大的乘积时，你会得到类似的东西：

P_im = sum_j sum_k sum_l A1_ij A2_jk A3_kl A4_lm

其中P是您的产品的结果A1，A2、A3、 和A4是输入矩阵。请注意，您将准确地对在加法中出现两次的那些索引进行求和，即j、k和l。由于具有此属性的总和经常出现在物理学、矢量微积分以及可能的其他一些领域中，因此有一个 NumPy 工具可以解决它，即einsum.

在上面的示例中，您可以使用它来计算矩阵乘积，如下所示：

P = np.einsum( "ij,jk,kl,lm", A1, A2, A3, A4 )

在这里，第一个参数告诉函数将哪些索引应用于参数矩阵，然后将所有双重出现的索引相加，产生所需的结果。

请注意，计算效率取决于几个因素（因此您最好只测试它）：

于 2016-10-03T07:14:18.740 回答
2 
A_list = [np.random.randn(100, 100) for i in xrange(10)]
B = np.eye(A_list[0].shape[0])
for A in A_list:
    B = np.dot(B, A)

C = reduce(np.dot, A_list)

assert(B == C)
于 2012-08-07T08:07:16.857 回答