Numpy einsum 沿轴计算外积

Numpy einsum compute outer product along axis

我有两个包含兼容矩阵的 numpy 数组,想计算使用 numpy.einsum 的元素明智的外积。阵列的形状为:

A1 = (i,j,k)
A2 = (i,k,j) 

因此数组包含 i 个形状分别为 (k,j)(j,k) 的矩阵。

因此给定 A1 将包含矩阵 A,B,C 并且 A2 将包含矩阵 D,E,F,结果将是:

A3 = (A(x)D,B(x)E,C(x)F)

其中 (x) 是外积运算符。

根据 this answer 以下形状的数组 A3 我的理解是这样的:

A3 = (i,j*k,j*k)

到目前为止我已经尝试过:

np.einsum("ijk, ilm -> ijklm", A1, A2)

但是生成的形状不正确。

作为完整性检查,我正在对此进行测试:

A = np.asarray(([1,2],[3,4]))
B = np.asarray(([5,6],[7,8]))

AB_outer = np.outer(A,B)

A_vec = np.asarray((A,A))
B_vec = np.asarray((B,B))

# this line is not correct
AB_vec = np.einsum("ijk, ilm -> ijklm", A_vec,B_vec)

np.testing.assert_array_equal(AB_outer, AB_vec[0])

由于我的 einsum 符号不正确,这目前会引发断言错误。我也乐于接受任何可以解决这个问题并且比 nymphs einsum 更快或同样快的建议。

我们可以扩展 dims 并让 broadcasting 为我们完成这项工作 -

(A1[:,:,None,:,None]*A2[:,None,:,None,:]).swapaxes(2,3)

样本运行-

In [46]: A1 = np.random.rand(3,4,4)
    ...: A2 = np.random.rand(3,4,4)

In [47]: out = (A1[:,:,None,:,None]*A2[:,None,:,None,:]).swapaxes(2,3)

In [48]: np.allclose(np.multiply.outer(A1[0],A2[0]), out[0])
Out[48]: True

In [49]: np.allclose(np.multiply.outer(A1[1],A2[1]), out[1])
Out[49]: True

In [50]: np.allclose(np.multiply.outer(A1[2],A2[2]), out[2])
Out[50]: True

np.einsum 等价的是 -

np.einsum('ijk,ilm->ijklm',A1,A2)

您可以计算结果 运行:

result = np.einsum('ijk,ikl->ijl', A1, A2)

我在下面的测试数据上检查了上面的代码:

A = np.arange(1, 13).reshape(3, -1)
B = np.arange(2, 14).reshape(3, -1)
C = np.arange(3, 15).reshape(3, -1)
D = np.arange(1, 13).reshape(4, -1)
E = np.arange(2, 14).reshape(4, -1)
F = np.arange(3, 15).reshape(4, -1)
A1 = np.array([A, B, C])
A2 = np.array([D, E, F])

结果是:

array([[[ 70,  80,  90],
        [158, 184, 210],
        [246, 288, 330]],

       [[106, 120, 134],
        [210, 240, 270],
        [314, 360, 406]],

       [[150, 168, 186],
        [270, 304, 338],
        [390, 440, 490]]])

现在计算 3 个“部分结果”:

res_1 = A @ D
res_2 = B @ E
res_3 = C @ F

并检查它们是否与结果的连续部分相同。