jax.numpy.vecdot

jax.numpy.vecdot(x1, x2, /, *, axis=-1, precision=None, preferred_element_type=None)

对两个批处理向量执行共轭乘法。

JAX 对 numpy.vecdot() 的实现。

参数:

• a – 左侧数组。

• b – 右侧数组。b[axis] 的大小必须与 a[axis] 的大小匹配，并且剩余的维度必须兼容广播。

• axis (int) – 计算点积的轴（默认为 -1）

• precision (None | str | Precision | tuple[str, str] | tuple[Precision, Precision] | DotAlgorithm | DotAlgorithmPreset) – 可以是 None（默认值），表示后端默认精度；一个 Precision 枚举值（Precision.DEFAULT、Precision.HIGH 或 Precision.HIGHEST）；或者一个包含两个此类值的元组，分别表示 a 和 b 的精度。

• preferred_element_type (str | type[Any] | dtype | SupportsDType | None) – None（默认），表示输入类型的默认累加类型，或一个数据类型，表示将结果累加到该数据类型并返回具有该数据类型的。结果。

• x1 (Array | ndarray | bool | number | bool | int | float | complex | TypedNdArray)

• x2 (Array | ndarray | bool | number | bool | int | float | complex | TypedNdArray)

返回:

沿 axis 计算 a 和 b 共轭点积的数组。非收缩维度将一起广播。

返回类型:

Array

另请参阅

• jax.numpy.vdot(): 展平向量积。

• jax.numpy.vecmat(): 向量-矩阵积。

• jax.numpy.matmul()：一般矩阵乘法。

• jax.lax.dot_general()：通用 N 维批处理点积。

示例

两个一维数组的向量共轭点积

>>> a = jnp.array([1j, 2j, 3j])
>>> b = jnp.array([4., 5., 6.])
>>> jnp.linalg.vecdot(a, b)
Array(0.-32.j, dtype=complex64)

两个二维数组的批处理向量点积

>>> a = jnp.array([[1, 2, 3],
...                [4, 5, 6]])
>>> b = jnp.array([[2, 3, 4]])
>>> jnp.linalg.vecdot(a, b, axis=-1)
Array([20, 47], dtype=int32)