jax.numpy.tensordot

内容

jax.numpy.tensordot#

jax.numpy.tensordot(a, b, axes=2, *, precision=None, preferred_element_type=None)[source]#

计算两个 N 维数组的张量点积。

JAX 实现 numpy.linalg.tensordot().

参数:

  • a (ArrayLike) – N 维数组

  • b (ArrayLike) – M 维数组

  • axes (int | Sequence[int] | Sequence[Sequence[int]]) – 整数或整数序列的元组。如果为整数 k，则对 a 的最后 k 个轴和 b 的前 k 个轴进行求和，按顺序排列。如果为元组，则 axes[0] 指定 a 的轴，axes[1] 指定 b 的轴。

  • precision (PrecisionLike | None) – None（默认），表示后端的默认精度；一个 Precision 枚举值 (Precision.DEFAULT, Precision.HIGH 或 Precision.HIGHEST)；或一个包含两个这样的值的元组，分别表示 a 和 b 的精度。

  • preferred_element_type (DTypeLike | None | None) – None（默认），表示输入类型的默认累加类型；或数据类型，表示将结果累加到该数据类型并返回结果。

返回:

包含输入张量点积的数组

返回类型:

数组

另请参阅

示例

>>> x1 = jnp.arange(24.).reshape(2, 3, 4)
>>> x2 = jnp.ones((3, 4, 5))
>>> jnp.tensordot(x1, x2)
Array([[ 66.,  66.,  66.,  66.,  66.],
       [210., 210., 210., 210., 210.]], dtype=float32)

指定轴为显式序列时，得到的结果等价

>>> jnp.tensordot(x1, x2, axes=([1, 2], [0, 1]))
Array([[ 66.,  66.,  66.,  66.,  66.],
       [210., 210., 210., 210., 210.]], dtype=float32)

通过 einsum() 获得等价结果

>>> jnp.einsum('ijk,jkm->im', x1, x2)
Array([[ 66.,  66.,  66.,  66.,  66.],
       [210., 210., 210., 210., 210.]], dtype=float32)

对于二维输入，将 axes=1 设置为等价于矩阵乘法

>>> x1 = jnp.array([[1, 2],
...                 [3, 4]])
>>> x2 = jnp.array([[1, 2, 3],
...                 [4, 5, 6]])
>>> jnp.linalg.tensordot(x1, x2, axes=1)
Array([[ 9, 12, 15],
       [19, 26, 33]], dtype=int32)
>>> x1 @ x2
Array([[ 9, 12, 15],
       [19, 26, 33]], dtype=int32)

对于一维输入，将 axes=0 设置为等价于 outer()

>>> x1 = jnp.array([1, 2])
>>> x2 = jnp.array([1, 2, 3])
>>> jnp.linalg.tensordot(x1, x2, axes=0)
Array([[1, 2, 3],
       [2, 4, 6]], dtype=int32)
>>> jnp.outer(x1, x2)
Array([[1, 2, 3],
       [2, 4, 6]], dtype=int32)
内容