对于二维矩阵 X (形状 (m,n) )，我正在尝试计算 X.T * X，其中 * 是矩阵乘法。 Following the explanation on this post 我希望能够使用 np.einsum('ji,ik->jk', X, X) 来做到这一点，其中在 LHS 上编写 ji 首先采用第一个 X 参数的转置，然后将其乘以第二个 X 参数。
这不适用于错误(对于 (m,n) = (3,4) ):
然而，这有效: np.einsum('ij,jk->ik', X.T, X) 。我在这里缺少什么？为什么它甚至在中间添加一个轴？
最佳答案
使用 X.T * X (* 是矩阵乘法)，您将第一个 X's transpose 的第二个轴与第二个 X 的第一个轴相减。现在，第一个 X's transpose 的第二个轴将与第一个 X 的第一个轴相同。因此，我们只是对这两个 X's 的第一个轴进行求和，而其余的轴保持不变。
要在 einsum 上复制它，请保持字符串符号中的第一个字符相同，而两个输入的第二个轴的不同，如下所示 -
np.einsum('ji,jk->ik', X, X)
因此，
j's 是 sum-reduced，而其余的轴 - i 和 k 保留在输出中。同样，这将比本地矩阵乘法慢:
X.T.dot(X) 。但是，我猜这篇文章更像是对 einsum 的学习。关于python - 使用 numpy.einsum 进行转置时间矩阵 : x^T * x，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/46367441/