作为批量欧几里得距离计算的一部分，我正在计算
(X * X).sum(axis=1)
是X一个相当大的二维数组。这很好用，但它构造了一个与X. 有什么办法可以摆脱这种暂时的，但保持矢量化操作的效率？
显而易见的候选人，
np.array([np.dot(row, row) for row in X])
有效，但使用 Python 列表作为临时列表，使其相当慢。
如果没有axis，内存有效的形式将是
(X * X).sum() => np.dot(X.ravel(), X.ravel())
我知道，当 时axis=1，它相当于
np.diag(np.dot(X, X.T))
这让我研究了dot诸如np.inner,np.tensordot和之类的概括np.einsum，但我不知道它们将如何解决我的问题。