用于矩阵矩阵乘法的numpy.dot（），@和方法.dot（）之间有什么区别？

Question

有什么区别吗？如果不是，按惯例首选什么？性能似乎几乎相同。

a=np.random.rand(1000,1000)
b=np.random.rand(1000,1000)
%timeit a.dot(b)     #14.3 ms ± 374 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
%timeit np.dot(a,b)  #14.7 ms ± 315 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
%timeit a @ b        #15.1 ms ± 779 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

Answer 1

他们基本上都在做同一件事。在计时方面，基于Numpy的文档here：

• 如果a和b均为一维数组，则它是向量的内积（没有复杂的共轭）。

• 如果a和b均为二维数组，则为矩阵乘法，但是最好使用matmul或a @ b。

• 如果a或b为0-D（标量），则等于乘以和最好使用numpy.multiply(a, b)或a * b。

• 如果a是一个N-D数组而b是一维数组，则它是a和b的最后一个轴。

Answer 2

它们几乎相同，除了一些例外。

a.dot(b)和np.dot(a, b)完全相同。参见numpy.dot和numpy.dot。

但是，请查看ndarray.dot的文档：

如果a和b均为二维数组，则为矩阵乘法，但最好使用ndarray.dot或numpy.dot。

matmul对应于a @ b。 a @ b和numpy.matmul(a, b)的区别如下：

[numpy.matmul(a, b)与dot的区别在两个重要方面：

• 不允许进行标量乘法，请改用matmul。
• 将矩阵堆栈一起广播，就好像矩阵是元素，尊重签名matmul：

dot