X給定一個維度為 ( )的 3d 陣列K,n,m，可以將其視為K( n,m) 矩陣的堆疊和一個 1d 向量b(dim n)，目標是獲得結果向量r(dim n)，其每個分量計算如下：
很容易看出k-summation 下的運算式（即兩個內部和）只是一個點積X_k b X_k（因此可以很容易地使用 計算numpy）。所以，所需的向量r是
哪里X_k是3d array 的k第 -th 2d ( n,m) 'layer' X。
即當前的解決方案是
r = 0
for k in range(K):
r = x[k,:,:] @ (b @ x[k, :, :])
是否可以r有效地計算避免 for 回圈k？或者也許還有另一種有效的計算方法r？
（我試過np.tensordot了，但因為它只是純粹的總結，k我還沒有得到正確的結果。）
uj5u.com熱心網友回復：
這看起來像是einsum的完美用例：
r = np.einsum('kij,l,klj->i', x, b, x)
這將使操作矢量化，例如它比 for 回圈更優化。
轉載請註明出處，本文鏈接：https://www.uj5u.com/shujuku/471439.html