关于python的矩阵乘法运算
目录
- 一、矩阵乘法
- 1. A@B 和 np.dot(A,B)
- 2. A*B 或 np.multiply(A,B)
- 二、邻接矩阵的相乘的意义
- 1.定义
- 2.问题
- 3.理解
- 4.代码实现
一、矩阵乘法
矩阵乘法为 A@B 或 np.dot(A,B) ,若为对应元素相乘则用 A*B 或 np.multiply(A,开发者_C培训B) 。
1. A@B 和 np.dot(A,B)
A = np.array([ [1,2], [3,4] ]) B = np.array([ [1,2], [3,4] ]) C1 = A @ B C2 = np.dot(A,B) print(C1) print('---------') print(C2)
输出为
[[ 7 10] [15 22]] --------- [[ 7 10] [15 22]]
2. A*B 或 np.multiply(A,B)
A = np.array([ [1,2], [3,4] ]) B = np.array([ [1,2], [3,4] 编程客栈]) C3 = A*B C4 = np.multiply(A,B) print(C3) print('---------') print(C4)
输出为
[[ 1 4] [ 9 16]] --------- [[ 1 4] [ 9 16]]
二、邻接python矩阵的相乘的意义
1.定义
假设存在一个N个节点的无向图。我们用 G[u][v] = G[v][u] = 1 表示从点 u 到点 v 有连边,否则 G[uhttp://www.devze.com][v] = G[v][u] = 0。
2.问题
如果用这个图的邻接矩阵进行自乘会得到什么呢?
3.理解
4.代码实现
邻接矩阵如下
代码如下
import torch # 构建邻接矩阵 a = [ [0,1,1,1], [1,0,0,1], [1,0,0,1], 编程客栈 [1,1,1,0] ] A = torch.tensor(a) A = torch.mm(A,A) print(A)
输出结果如下
tensor([[3, 1, 1, 2python], [1, 2, 2, 1], [1, 2, 2, 1], [2, 1, 1, 3]])
到此这篇关于关于python的矩阵乘法运算的文章就介绍到这了,更多相关python矩阵乘法运算内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们!
精彩评论