두 개의 텐서, a 및 b와 두 개의 array_like 객체(a_axes,b_axes)를 포함하는 array_like 객체가 주어지면 a_axes 및 b_axes로 지정된 축에 대해 a와 b의 요소(구성 요소)의 곱을 합산합니다. 세 번째 인수는 음이 아닌 단일 정수형 스칼라 N일 수 있습니다. 그렇다면 b의 마지막 N 차원과 b의 처음 N 차원을 합산합니다.
단계
먼저 필요한 라이브러리를 가져옵니다 -
import numpy as np
array() 메서드를 사용하여 차원이 다른 두 개의 numpy 배열 만들기 -
arr1 = np.array(range(1, 9))
arr1.shape = (2, 2, 2)
arr2 = np.array(('p', 'q', 'r', 's'), dtype=object)
arr2.shape = (2, 2) 배열 표시 -
print("Array1...\n",arr1)
print("\nArray2...\n",arr2) 두 어레이의 차원을 확인하십시오 -
print("\nDimensions of Array1...\n",arr1.ndim)
print("\nDimensions of Array2...\n",arr2.ndim) 두 배열의 모양을 확인하십시오 -
print("\nShape of Array1...\n",arr1.shape)
print("\nShape of Array2...\n",arr2.shape) 차원이 다른 배열에 대한 텐서 내적을 계산하려면 numpy.tensordot() 메서드 -
를 사용하세요.print("\nTensor dot product...\n", np.tensordot(arr1, arr2, ((0, 1), (0, 1))))
예시
import numpy as np
# Creating two numpy arrays with different dimensions using the array() method
arr1 = np.array(range(1, 9))
arr1.shape = (2, 2, 2)
arr2 = np.array(('p', 'q', 'r', 's'), dtype=object)
arr2.shape = (2, 2)
# Display the arrays
print("Array1...\n",arr1)
print("\nArray2...\n",arr2)
# Check the Dimensions of both the arrays
print("\nDimensions of Array1...\n",arr1.ndim)
print("\nDimensions of Array2...\n",arr2.ndim)
# Check the Shape of both the arrays
print("\nShape of Array1...\n",arr1.shape)
print("\nShape of Array2...\n",arr2.shape)
# To compute the tensor dot product for arrays with different dimensions, use the numpy.tensordot() method in Python
print("\nTensor dot product...\n", np.tensordot(arr1, arr2, ((0, 1), (0, 1)))) 출력
Array1... [[[1 2] [3 4]] [[5 6] [7 8]]] Array2... [['p' 'q'] ['r' 's']] Dimensions of Array1... 3 Dimensions of Array2... 2 Shape of Array1... (2, 2, 2) Shape of Array2... (2, 2) Tensor dot product... ['pqqqrrrrrsssssss' 'ppqqqqrrrrrrssssssss']