jax.numpy.dot

目录

jax.numpy.dot#

jax.numpy.dot(a, b, *, precision=None, preferred_element_type=None)[源代码][源代码]#

计算两个数组的点积。

JAX 实现的 numpy.dot()。

这与 jax.numpy.matmul() 在两个方面有所不同：

  • 如果 a 或 b 是标量，那么 dot 的结果等同于 jax.numpy.multiply()，而 matmul 的结果则是一个错误。

  • 如果 a 和 b 的维度超过2，批处理索引会被堆叠而不是广播。

参数:

  • a (ArrayLike) – 第一个输入数组，形状为 (..., N)。

  • b (ArrayLike) – 第二个输入数组。必须具有形状 (N,) 或 (..., N, M)。在多维情况下，前导维度必须与 a 的前导维度广播兼容。

  • precision (PrecisionLike) – 可以是 None``（默认），这意味着后端的默认精度，一个 :class:`~jax.lax.Precision` 枚举值（``Precision.DEFAULT、Precision.HIGH 或 Precision.HIGHEST），或者是一个包含两个此类值的元组，指示 a 和 b 的精度。

  • preferred_element_type (DTypeLike | None) – ``None``（默认），这意味着输入类型的默认累积类型，或者是一个数据类型，指示将结果累积到并返回该数据类型的结果。

返回:

包含输入点积的数组，a 和 b 的批次维度是堆叠而不是广播的。

返回类型:

Array

参见

示例

对于标量输入，dot 计算逐元素乘积：

>>> x = jnp.array([1, 2, 3])
>>> jnp.dot(x, 2)
Array([2, 4, 6], dtype=int32)

对于向量或矩阵输入，dot 计算向量或矩阵的乘积：

>>> M = jnp.array([[2, 3, 4],
...                [5, 6, 7],
...                [8, 9, 0]])
>>> jnp.dot(M, x)
Array([20, 38, 26], dtype=int32)
>>> jnp.dot(M, M)
Array([[ 51,  60,  29],
       [ 96, 114,  62],
       [ 61,  78,  95]], dtype=int32)

对于高维矩阵乘积，批处理维度是堆叠的，而在 matmul() 中它们是广播的。例如：

>>> a = jnp.zeros((3, 2, 4))
>>> b = jnp.zeros((3, 4, 1))
>>> jnp.dot(a, b).shape
(3, 2, 3, 1)
>>> jnp.matmul(a, b).shape
(3, 2, 1)
目录