Numpy 点 return 不同的值

Question

Numpy 点 returns 归一化后的不同值。我有两个函数应该 return 相同的值。

import numpy as np
from sklearn.preprocessing import normalize

def foo1(x, y):
    with np.errstate(invalid='ignore'):
        x_norm = np.nan_to_num(x / (np.linalg.norm(x, axis=0)))
    z = np.dot(x_norm, y / np.linalg.norm(y))
    print(z)

def foo2(x, y):
    x_norm = normalize(x, axis=0)
    z = np.dot(x_norm, normalize(y))
    print(z)

最小的可重现示例

x = np.array([[1, 2, 3],
              [4, 5, 6]])
y = np.array([[1], [2], [3]])
foo1(x, y)
foo2(x, y)

输出

[[0.62190562]
 [1.47271032]]
[[1.0611399 ]
 [2.79304638]]

预期的第一个值。

Answer 1

所以您的问题是由于 y 是一个 3x1 矩阵。当您调用 normalize 时，它在第二个轴 (axis=1) 上进行归一化，其中它单独对每个值进行归一化。所以

normalize(y) -> array([[1.], [1.], [1.]])

当你想要

normalize(y, axis=0) -> array([[0.26726124], [0.53452248], [0.80178373]])

进行此更改后，您的两个函数将 return 具有相同的值 [[0.62190562] [1.47271032]]

Numpy 点 return 不同的值

Numpy dot return different values

python

numpy

normalize