这篇教程numpy和tensorflow中的各种乘法(点乘和矩阵乘)写得很实用，希望能帮到您。
点乘和矩阵乘的区别： 1)点乘(即“ * ”) ---- 各个矩阵对应元素做乘法若 w 为 m*1 的矩阵，x 为 m*n 的矩阵，那么通过点乘结果就会得到一个 m*n 的矩阵。 
若 w 为 m*n 的矩阵，x 为 m*n 的矩阵，那么通过点乘结果就会得到一个 m*n 的矩阵。 
w的列数只能为 1 或 与x的列数相等(即n)，w的行数与x的行数相等 才能进行乘法运算。 2)矩阵乘 ---- 按照矩阵乘法规则做运算若 w 为 m*p 的矩阵，x 为 p*n 的矩阵，那么通过矩阵相乘结果就会得到一个 m*n 的矩阵。 只有 w 的列数 == x的行数 时，才能进行乘法运算 
1. numpy1)点乘 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 运行结果如下图： 
2)矩阵乘 import numpy as np w = np.array([[0.4, 1.2]])x = np.array([range(1,6), range(5,10)]) print wprint xprint np.dot(w,x) 运行结果如下： 
2. tensorflow1)点乘 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 # 等同于 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) 运行结果如下： 
2)矩阵乘 # coding:utf-8import tensorflow as tfw = 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) 运行结果如下： 
到此这篇关于numpy和tensorflow中的各种乘法(点乘和矩阵乘)的文章就介绍到这了,更多相关numpy和tensorflow 乘法内容请搜索51zixue.net以前的文章或继续浏览下面的相关文章希望大家以后多多支持51zixue.net！
Python+Opencv实现数字识别的示例代码
numpy数组合并和矩阵拼接的实现 |
