Prodotto Numpy Dot
Di conseguenza, moltiplicarli con la moltiplicazione della matrice. Esploreremo come il numpy.La funzione dot () funziona con vettori, scalari, matrici e array. Prima di andare oltre, lasciamo una rapida carrellata sulla sintassi del prodotto Numpy Dot e il tipo di restituzione in Python. Avrai una mano su una guida su come calcolare il prodotto DOT in Python usando Numpy in questo post. Il numpy.Il metodo dot () ha la seguente sintassi.
In questo caso, "A" e "B" sono i due array di input. Entrambi gli array dovrebbero essere monodimensionali o bidimensionali. Il parametro di output per lo scalare dell'array 1-d da restituire è. Restituisce rispettivamente il prodotto DOT di A e B. La funzione dot () esegue il prodotto interno dei vettori e restituisce un risultato scalare se entrambi gli array, nel nostro esempio "A" e "B", sono array 1-D. Il metodo Dot () esegue la moltiplicazione della matrice se entrambi gli array sono array 2-D. Il metodo Dot () esegue il prodotto di somma attraverso l'ultimo asse di A e B se 'A' è un array n-dimensionale mentre 'B' è un array midimensionale. È un prodotto dell'ultimo asse di "A" e del secondo asse-ultimo della variabile specificata "B" su array N-dimensionale. Nell'apprendimento automatico, sapere come interpretare e calcolare il prodotto DOT tra vettori e scalari è cruciale. Questo saggio spiegherà quale sia effettivamente il prodotto DOT e come calcolarlo in dettaglio. Scoprirai come calcolare il prodotto DOT di due array midimensionali, un array 1-dimensionale e uno scalare e due array bidimensionali.
Esempio 1:
Nell'esempio precedente, due valori scalari vengono forniti come argomenti al NP.funzione dot (). Di conseguenza, questo metodo Numpy Dot moltiplica due valori scalari per ottenere il prodotto DOT. np.dot () produce 24 quando uno = 6 e due = 4.
Importa Numpy come NPuno = 6
due = 4
res = np.punto (uno, due)
Stampa (Res)
Quello che segue è il risultato del prodotto Scalar Numpy Dot.
Esempio 2:
La funzione Numpy Dot determina la somma di due vettori complessi in questo esempio. Perché "uno" e "due" sono complessi, è richiesto un coniugato complesso di uno dei due vettori complessi. Il complesso coniugato di "due" è impiegato in questo caso (6 + 7J) e (6_7J). Il prodotto DOT viene calcolato usando NP.dot () funzione come 3 (6 + 7J) + 2J (6 - 7J). 18+ 21J+ 12J - 14 = 4+ 33J è il coniugato #Complex di "due". Come risultato della fornitura di "uno" e "due" come parametri a NP.funzione dot (), l'output è (4+33J).
Importa Numpy come NPuno = 3 + 2j
due = 6 + 7j
res = np.punto (uno, due)
print ("output:", res)
L'output del codice precedente è allegato.
Esempio 3:
Il prodotto DOT di array 1D è dimostrato in questo esempio. Per iniziare, vengono creati due array fornendo i valori per "uno" e "due" al NP.Metodo array (). Gli array dichiarati come "uno" e "due" sono fondamentalmente array unidimensionali. Il prodotto DOT per questi due array 1D viene calcolato usando la funzione Numpy Dot come segue:
[2, 3, 1, 6]. [1, 2, 3, 4] = 2*1 + 3*2 + 1*3 + 6*4 = 35Come risultato di dare array monodimensionali A e B al NP.funzione dot (), l'output è un valore scalare di 35.
Importa Numpy come NPuno = np.Array ([2, 3, 1, 6])
due = np.Array ([1, 2, 3, 4])
res = np.punto (uno, due)
Stampa (Res)
Fare riferimento allo screenshot allegato per vedere l'output.
Esempio 4:
Il prodotto DOT su array 2D è il nostro ultimo esempio. Il NP.La tecnica Array () crea due array, uno e due, in questo caso. Gli array "uno" e "due" che sono stati costruiti sono array bidimensionali. Il prodotto DOT di due array di input viene restituito quando due array bidimensionali vengono moltiplicati per una matrice. Il prodotto DOT di array 3D viene calcolato come:
[[1, 0], [4, 3]].[[2, 3], [6, 7]]= [[1*2+0*6, 1*3+0*7], [4*2+3*6, 4*3+3*7]]
= [[2, 3], [26, 33]
L'uscita risultante è anche un array 2D quando vengono passati a NP a NP.funzione dot ().
Importa Numpy come NPuno = np.array ([[1, 0], [4, 3]])
due = np.Array ([[2, 3], [6, 7]])
res = np.punto (uno, due)
Stampa (Res)
L'output, che è un array 2D, può essere visto qui.
Conclusione:
Numpy è il pacchetto Python più importante per il calcolo numerico. È una libreria di operazioni numeriche che è stata efficiente. Il supporto di Numpy rende il lavoro molto più semplice. Se usati con Numpy, diverse librerie come OpenCV, Scipy e Matplotlib espandono la tua conoscenza di programmazione. In questo articolo, abbiamo appreso del prodotto DOT di Python. Python's Numpy.La funzione dot () restituisce il punto prodotto da due array. Abbiamo incluso un modo per scoprire il prodotto DOT da scalari e vettori complessi. Con esempi completi, abbiamo inoltre scoperto la strada per utilizzare la caratteristica del punto numpy su array 1D e 2D.