numpy和tensorflow中的各種乘法(點乘和矩陣乘)

點乘和矩陣乘的區別:

 1)點乘(即“ * ”) —- 各個矩陣對應元素做乘法

若 w 為 m*1 的矩陣,x 為 m*n 的矩陣,那麼通過點乘結果就會得到一個 m*n 的矩陣。

4e48b4586b56c7efd0ed30b97d9cddef.png

若 w 為 m*n 的矩陣,x 為 m*n 的矩陣,那麼通過點乘結果就會得到一個 m*n 的矩陣。

830b6ddf1793c4b6efd8da31b6b8640f.png

w的列數隻能為 1 或 與x的列數相等(即n),w的行數與x的行數相等 才能進行乘法運算。

2)矩陣乘 —- 按照矩陣乘法規則做運算

若 w 為 m*p 的矩陣,x 為 p*n 的矩陣,那麼通過矩陣相乘結果就會得到一個 m*n 的矩陣。

隻有 w 的列數 == x的行數 時,才能進行乘法運算

145ad3efea8533f6dd2a2e7e7f435705.png

1. numpy

1)點乘

 import numpy as np
 
 w = np.array([[0.4], [1.2]])
 x = np.array([range(1,6), range(5,10)])
 
 print w
 print x
 print w*x

運行結果如下圖:

697d8fff16325c33465de3c71a448660.png

2)矩陣乘

import numpy as np
 
w = np.array([[0.4, 1.2]])
x = np.array([range(1,6), range(5,10)])
 
print w
print x
print np.dot(w,x)

運行結果如下:

67254df72c038258e75d3a528848d691.png

2. tensorflow

1)點乘

import tensorflow as tf
 
w = tf.Variable([[0.4], [1.2]], dtype=tf.float32) # w.shape: [2, 1]
x = tf.Variable([range(1,6), range(5,10)], dtype=tf.float32) # x.shape: [2, 5]
y = w * x   # 等同於 y = tf.multiply(w, x)  y.shape: [2, 5]
 
sess = tf.Session()
init = tf.global_variables_initializer()
sess.run(init)

print sess.run(w)
print sess.run(x)
print sess.run(y)

運行結果如下:

6e694c88a2f7766144e549a450533f82.png

2)矩陣乘

# coding:utf-8
import tensorflow as tf

w = tf.Variable([[0.4, 1.2]], dtype=tf.float32) # w.shape: [1, 2]
x = tf.Variable([range(1,6), range(5,10)], dtype=tf.float32) # x.shape: [2, 5]
y = tf.matmul(w, x) # y.shape: [1, 5]

sess = tf.Session()
init = tf.global_variables_initializer()
sess.run(init)

print sess.run(w)
print sess.run(x)
print sess.run(y)

運行結果如下:

abbd11625ed3915b36a9a1a6e73adc19.png

到此這篇關於numpy和tensorflow中的各種乘法(點乘和矩陣乘)的文章就介紹到這瞭,更多相關numpy和tensorflow 乘法內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!