我在Python中实现了一个神经网络，作为反向传播的一部分，我需要将一个3D矩阵A，尺寸为(200, 100, 1)，与一个2D矩阵W，尺寸为(100, 200)相乘，结果应具有尺寸(200, 200, 1)。

A是一个误差向量，W是一个权重矩阵，它们的乘积将用于计算前一层的更新。

我尝试使用matrix_multiply（来自numpy.core.umath_tests）来解决这个问题，我尝试将W重塑为(100,200,1)然后进行乘法，但这会导致

ValueError: matrix_multiply: Input operand 1 has a mismatch in its core dimension 0, with gufunc signature (m,n),(n,p)->(m,p) (size 100 is different from 1)错误。

我该如何解决这个问题？

回答：

你可以使用np.tensordot然后用swapaxes或简单地用reshape来调整轴 –

np.tensordot(A,W,axes=((1),(0))).swapaxes(1,2)np.tensordot(A,W,axes=((1),(0))).reshape(A.shape[0],W.shape[1],1)

或者，我们可以使用np.dot，只使用A的最后一个轴的切片，然后在矩阵乘法后扩展到3D –

A[:,:,0].dot(W)[...,None]

或者我们可以使用np.einsum –

np.einsum('ijk,jl->ilk',A,W)