numpy dot（）和inner（）之间的区别
有什么区别
import numpy as np np.dot(a,b) 和
import numpy as np np.inner(a,b)
我试过的所有例子都返回了相同的结果。 维基百科有两个相同的文章？ 在inner() 的描述中 ，它说，它的行为在更高的维度是不同的，但我不能产生任何不同的输出。 我应该使用哪一个？
numpy.dot ：
对于二维arrays，它相当于matrix乘法，而一维arrays是向量的内积（无复共轭）。 对于N维，它是a的最后一个轴的倒数和b 倒数第二个倒数 ：
numpy.inner ：
用于一维arrays的vector的普通内积（无复共轭），在更高维度上是最后轴上的和积。
（强调我的）
作为一个例子，用2D数组考虑这个例子：
>>> a=np.array([[1,2],[3,4]]) >>> b=np.array([[11,12],[13,14]]) >>> np.dot(a,b) array([[37, 40], [85, 92]]) >>> np.inner(a,b) array([[35, 41], [81, 95]])
因此，你应该使用的是为你的应用程序提供正确的行为。
性能testing
（请注意，我只testing一维情况，因为这是唯一的情况，即.dot和.inner给出相同的结果。）
>>> import timeit >>> setup = 'import numpy as np; a=np.random.random(1000); b = np.random.random(1000)' >>> [timeit.timeit('np.dot(a,b)',setup,number=1000000) for _ in range(3)] [2.6920320987701416, 2.676928997039795, 2.633111000061035] >>> [timeit.timeit('np.inner(a,b)',setup,number=1000000) for _ in range(3)] [2.588860034942627, 2.5845699310302734, 2.6556360721588135]
所以也许更快，但我的机器目前是相当的负载，所以时间不一致，也不一定非常准确。
对于一维数组， np.dot和np.inner是相同的，所以这可能是为什么你没有注意到任何差异。 对于N维数组，它们对应于常用的张量运算。
np.inner有时被称为高阶张量和低阶张量之间的“vector积”，尤其是张量乘以一个向量，常常导致“张量收缩”。 它包括matrix向量乘法。
np.dot对应于“张量积”，并且包括在维基百科页面底部提到的情况。 它通常用于两个相似张量的相乘以产生一个新的张量。 它包括matrix – matrix乘法。
如果你不使用张量，那么你不需要担心这些情况，他们的行为是一致的。
对于1维和2维数组，numpy.inner作为转置第二个matrix然后相乘。 因此对于：
A = [[a1,b1],[c1,d1]] B = [[a2,b2],[c2,d2]] numpy.inner(A,B) array([[a1*a2 + b1*b2, a1*c2 + b1*d2], [c1*a2 + d1*b2, c1*c2 + d1*d2])
我用这样的例子来解决这个问题：
A=[[1 ,10], [100,1000]] B=[[1,2], [3,4]] numpy.inner(A,B) array([[ 21, 43], [2100, 4300]])
numpy.inner([a,b],[c,b]) = ac+bd和numpy.inner([[a],[b]], [[c],[d]]) = [[ac,ad],[bc,bd]] 。 这是我的知识程度，不知道它在更高维度上的作用。
内部不能正常工作与复杂的二维数组，尝试相乘
和它的转置
array([[ 1.+1.j, 4.+4.j, 7.+7.j], [ 2.+2.j, 5.+5.j, 8.+8.j], [ 3.+3.j, 6.+6.j, 9.+9.j]])
你会得到
array([[ 0. +60.j, 0. +72.j, 0. +84.j], [ 0.+132.j, 0.+162.j, 0.+192.j], [ 0.+204.j, 0.+252.j, 0.+300.j]])
有效地将行与行相乘，而不是将行与列相乘
内积和点积在高维空间上有很大的区别。 下面是一个2×2matrix和3×2matrix的例子x = [[a1，b1]，[c1，d1]] y = [[a2，b2]。[c2，d2]，[e2，f2]
np.inner（X，Y）
输出= [[a1xa2 + b1xb2，a1xc2 + b1xd2，a1xe2 + b1f2]，[c1xa2 + d1xb2，c1xc2 + d1xd2，c1xe2 + d1xf2]]
但在点积的情况下，输出显示下面的错误，因为您不能乘以2x2matrix与3×2。
ValueError：形状（2,2）和（3,2）未alignment：2（dim 1）！= 3（dim 0）
