jax.numpy.dot

内容

jax.numpy.dot#

jax.numpy.dot(a, b, *, precision=None, preferred_element_type=None)[source]#

计算两个数组的点积。

JAX 实现的 numpy.dot()。

这在两个方面与 jax.numpy.matmul() 不同

  • 如果 a 或 b 是标量，则 dot 的结果等效于 jax.numpy.multiply()，而 matmul 的结果是错误。

  • 如果 a 和 b 有两个以上的维度，则批处理索引会被堆叠而不是广播。

参数：

  • a (ArrayLike) – 第一个输入数组，形状为 (..., N)。

  • b (ArrayLike) – 第二个输入数组。必须具有形状 (N,) 或 (..., N, M)。在多维情况下，前导维度必须与 a 的前导维度广播兼容。

  • precision (PrecisionLike) – 可以是 None（默认值），表示使用后端默认精度，也可以是 Precision 枚举值（Precision.DEFAULT、Precision.HIGH 或 Precision.HIGHEST），或者是一个包含两个枚举值的元组，分别表示 a 和 b 的精度。

  • preferred_element_type (DTypeLike | None) – 可以是 None（默认值），表示使用输入类型的默认累加类型，也可以是数据类型，表示将结果累加到该数据类型并返回该数据类型的结果。

返回:

包含输入点积的数组，其中 a 和 b 的批次维度被堆叠而不是广播。

返回类型:

数组

另请参阅

示例

对于标量输入，dot 计算逐元素乘积

>>> x = jnp.array([1, 2, 3])
>>> jnp.dot(x, 2)
Array([2, 4, 6], dtype=int32)

对于向量或矩阵输入，dot 计算向量或矩阵乘积

>>> M = jnp.array([[2, 3, 4],
...                [5, 6, 7],
...                [8, 9, 0]])
>>> jnp.dot(M, x)
Array([20, 38, 26], dtype=int32)
>>> jnp.dot(M, M)
Array([[ 51,  60,  29],
       [ 96, 114,  62],
       [ 61,  78,  95]], dtype=int32)

对于更高维度的矩阵乘积，批次维度被堆叠，而在 matmul() 中它们被广播。例如

>>> a = jnp.zeros((3, 2, 4))
>>> b = jnp.zeros((3, 4, 1))
>>> jnp.dot(a, b).shape
(3, 2, 3, 1)
>>> jnp.matmul(a, b).shape
(3, 2, 1)
内容