上一主题

numpy.vdot

下一主题

numpy.outer

numpy.inner

numpy.inner(a, b)

两个数组的内积。

用于1-D数组(没有复共轭)的向量的普通内积,在较高维度上是最后轴上的和积。

参数:

a,b:array_like

如果ab为非标量,则其最后一个维度必须匹配。

返回:

out:ndarray

out.shape = a.shape [: - 1] + b.shape [: - 1]

上升:

ValueError

如果ab的最后一个维度具有不同的大小。

也可以看看

tensordot
任意轴上的和。
dot
使用b的最后一个维度的广义矩阵积。
einsum
爱因斯坦求和约定。

笔记

对于向量(1-D数组),它计算普通内积:

np.inner(a, b) = sum(a[:]*b[:])

更一般地,如果ndim(a)= r> 0ndim(b)= s> 0

np.inner(a, b) = np.tensordot(a, b, axes=(-1,-1))

或明确:

np.inner(a, b)[i0,...,ir-1,j0,...,js-1]
     = sum(a[i0,...,ir-1,:]*b[j0,...,js-1,:])

此外,ab可能是标量,在这种情况下:

np.inner(a,b) = a*b

例子

向量的普通内积:

>>> a = np.array([1,2,3])
>>> b = np.array([0,1,0])
>>> np.inner(a, b)
2

多维示例:

>>> a = np.arange(24).reshape((2,3,4))
>>> b = np.arange(4)
>>> np.inner(a, b)
array([[ 14,  38,  62],
       [ 86, 110, 134]])

其中b是标量的示例:

>>> np.inner(np.eye(2), 7)
array([[ 7.,  0.],
       [ 0.,  7.]])