Produit DOT Numpy

Le produit DOT Numpy de Python sera discuté dans cette section. La méthode dot () dans Numpy calcule le produit DOT pour les tableaux de dimension N dans Numpy. Le Numpy.L'opération DOT () prend deux tableaux Numpy en entrée, calcule le produit DOT entre eux et renvoie la sortie. Pour les tableaux 1D, c'est essentiellement la création intérieure des vecteurs. Il fait le produit DOT sur des tableaux bidimensionnels en les traitant comme des matrices.

En conséquence, multipliez-les avec la multiplication matricielle. Nous explorerons comment le Numpy.La fonction DOT () fonctionne avec des vecteurs, des scalaires, des matrices et des tableaux. Avant d'aller plus loin, laissez-nous vous donner un aperçu rapide de la syntaxe du produit Numpy Dot et Retour Type in Python. Vous obtiendrez un coup de main sur un guide sur la façon de calculer le produit DOT en Python en utilisant Numpy dans cet article. Le Numpy.La méthode dot () a la syntaxe suivante.

Dans ce cas, «A» et «B» sont les deux tableaux d'entrée. Les deux tableaux doivent être unidimensionnels ou bidimensionnels. Le paramètre de sortie pour le scalaire du tableau 1-D à retourner est sorti. Il renvoie le produit DOT des tableaux A et B, respectivement. La fonction dot () fait le produit interne des vecteurs et renvoie un résultat scalaire si les deux tableaux, dans notre exemple «a» et «b», sont des tableaux 1-D. La méthode dot () exécute la multiplication matricielle si les deux tableaux sont des tableaux 2D. La méthode dot () exécute le produit de somme à travers le dernier axe de A et B si «A» est un tableau à n dimensions tandis que «B» est un tableau à 1 dimension. Il s'agit d'un produit du dernier axe de «A» et du deuxième axe-dernier de la variable spécifiée «B» sur les tableaux N dimensionnels. Dans l'apprentissage automatique, savoir interpréter et calculer le produit DOT parmi les vecteurs et les scalaires est crucial. Cet essai expliquera ce qu'est réellement le produit DOT et comment le calculer en détail. Vous découvrirez comment calculer le produit DOT de deux tableaux à 1 dimension, un tableau à 1 dimension et un scalaire et deux tableaux bidimensionnels.

Exemple 1:

Dans l'exemple précédent, deux valeurs scalaires sont fournies comme arguments au NP.Fonction DOT (). En conséquence, cette méthode DOT Numpy multiplie deux valeurs scalaires pour obtenir le produit DOT. NP.dot () produit 24 quand un = 6 et deux = 4.

Importer Numpy comme NP
un = 6
deux = 4
res = np.point (un, deux)
imprimer (res)

Ce qui suit est le résultat du produit de point numpy scalaire.

Exemple 2:

La fonction de point nuchy détermine la somme des points de deux vecteurs complexes dans cet exemple. Parce que «un» et «deux» sont complexes, un conjugué complexe de l'un des deux vecteurs complexes est requis. Le conjugué complexe de «deux» est utilisé dans ce cas (6 + 7j) et (6_7j). Le produit DOT est calculé à l'aide du NP.Dot () fonctionne comme 3 (6 + 7j) + 2j (6 - 7j). 18+ 21J + 12J - 14 = 4 + 33J est le conjugué #complex de «deux». En raison de la fourniture de «un» et de «deux» comme paramètres au NP.Fonction point (), la sortie est (4 + 33J).

Importer Numpy comme NP
un = 3 + 2J
deux = 6 + 7j
res = np.point (un, deux)
imprimer ("sortie:", res)

La sortie du code précédent est jointe.

Exemple 3:

Le produit DOT des tableaux 1D est démontré dans cet exemple. Pour commencer, deux tableaux sont créés en fournissant les valeurs pour «un» et «deux» au NP.Méthode Array (). Les tableaux déclarés «un» et «deux» sont essentiellement des tableaux unidimensionnels. Le produit DOT pour ces deux tableaux 1D est calculé à l'aide de la fonction DOT Numpy comme suit:

[2, 3, 1, 6]. [1, 2, 3, 4] = 2 * 1 + 3 * 2 + 1 * 3 + 6 * 4 = 35

En raison de donner des tableaux unidimensionnels A et B au NP.fonction point (), la sortie est une valeur scalaire de 35.

Importer Numpy comme NP
un = np.Array ([2, 3, 1, 6])
deux = np.Array ([1, 2, 3, 4])
res = np.point (un, deux)
imprimer (res)

Reportez-vous à la capture d'écran ci-jointe pour voir la sortie.

Exemple 4:

Le produit DOT sur les tableaux 2D est notre dernier exemple. Le NP.La technique Array () crée deux tableaux, un et deux, dans ce cas. Les tableaux «un» et «deux» qui ont été construits sont des tableaux bidimensionnels. Le produit DOT de deux tableaux d'entrée est renvoyé lorsque deux tableaux à deux dimensions sont multipliés par une matrice. Le produit DOT des tableaux 3D est calculé comme suit:

[[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]

La sortie résultante est également un tableau 2D lorsque un et deux baies 2D sont transmises au NP.Fonction DOT ().

Importer Numpy comme NP
un = np.Array ([[1, 0], [4, 3]])
deux = np.Array ([[2, 3], [6, 7]])
res = np.point (un, deux)
imprimer (res)

La sortie, qui est un tableau 2D, peut être vue ici.

Conclusion:

Numpy est le package Python le plus important pour le calcul numérique. C'est une bibliothèque d'opérations numériques qui a été efficace. Le soutien de Numpy rend le travail beaucoup plus facile. Lorsqu'ils sont utilisés avec Numpy, plusieurs bibliothèques telles que OpenCV, Scipy et Matplotlib développent votre connaissance de programmation. Dans cet article, nous avons appris le produit DOT de Python. Numpy de Python.La fonctionnalité dot () renvoie le point fabriqué à partir de deux tableaux. Nous avons inclus un moyen de découvrir le produit DOT à partir de scalaires et de vecteurs complexes. Avec des exemples approfondis, nous avons en outre découvert le moyen d'utiliser la caractéristique du point numpy sur les tableaux 1D et 2D.