dask.array.dot

dask.array.dot¶

dask.array.dot(a, b, out=None)[源代码]¶

此文档字符串是从 numpy.dot 复制的。

Dask 版本可能存在一些不一致性。

两个数组的点积。具体来说，

如果 a 和 b 都是一维数组，这是向量的内积（不包括复数共轭）。
如果 a 和 b 都是二维数组，这是矩阵乘法，但建议使用 matmul() 或 a @ b。
如果 a 或 b 是 0-D（标量），它等同于 multiply() ，使用 numpy.multiply(a, b) 或 a * b 是首选。
如果 a 是一个 N 维数组，而 b 是一个 1 维数组，那么这是 a 的最后一个轴与 b 的和积。
如果 a 是一个 N 维数组，而 b 是一个 M 维数组（其中 M>=2），它是 a 的最后一个轴和 b 的倒数第二个轴上的和积:
```
dot(a, b)[i,j,k,m] = sum(a[i,j,:] * b[k,:,m])
```

在可能的情况下，它使用优化的BLAS库（参见 numpy.linalg）。

参数

aarray_like: 第一个参数。
barray_like: 第二个参数。
出ndarray, 可选 (Dask 不支持): 输出参数。这必须具有如果未使用它时将返回的确切类型。特别是，它必须具有正确的类型，必须是C-连续的，并且其dtype必须是`dot(a,b)`返回的dtype。这是一个性能特性。因此，如果这些条件不满足，则会引发异常，而不是尝试变得灵活。

返回

输出ndarray: 返回 a 和 b 的点积。如果 a 和 b 都是标量或都是一维数组，则返回一个标量；否则返回一个数组。如果给出了 out，则返回它。

Raises

ValueError: 如果 a 的最后一个维度的大小与 b 的倒数第二个维度的大小不同。

参见

vdot: 复共轭点积。
tensordot: 对任意轴上的乘积求和。
einsum: 爱因斯坦求和约定。
matmul: ‘@’ 运算符作为带有 out 参数的方法。
linalg.multi_dot: 链式点积。

示例

>>> import numpy as np  
>>> np.dot(3, 4)  
12

两个参数都没有进行复共轭：

>>> np.dot([2j, 3j], [2j, 3j])  
(-13+0j)

对于二维数组，它是矩阵乘积：

>>> a = [[1, 0], [0, 1]]  
>>> b = [[4, 1], [2, 2]]  
>>> np.dot(a, b)  
array([[4, 1],
       [2, 2]])

>>> a = np.arange(3*4*5*6).reshape((3,4,5,6))  
>>> b = np.arange(3*4*5*6)[::-1].reshape((5,4,6,3))  
>>> np.dot(a, b)[2,3,2,1,2,2]  
499128
>>> sum(a[2,3,2,:] * b[1,2,:,2])  
499128

dask.array.digitize

dask.array.dstack