numpy dot（）和inner（）之间的区别

Question

之间有什么区别

import numpy as np
np.dot(a,b)

和

import numpy as np
np.inner(a,b)

我尝试过的所有示例都返回了相同的结果。维基百科上有相同的文章吗？在对它的描述中inner()，它的行为在更高维度上是不同的，但是我无法产生任何不同的输出。我应该使用哪一个？

Answer 1

numpy.dot：

对于2-D数组，它等效于矩阵乘法，对于1-D数组，其等效于向量的内积（无复共轭）。对于N维，它是a的 最后一个轴 与b 的倒数第二个
轴 的和积：

numpy.inner：

一维数组的向量的普通内积（无复共轭），在较高维度上， 最后一个轴上 的和积。

（强调我的。）

作为示例，请考虑使用2D数组的示例：

>>> 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，您应该使用一种能够为应用程序提供正确行为的软件。

性能测试

（请注意，我只测试一维情况，因为这是唯一的情况，.dot并且.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]

因此，也许.inner速度更快，但目前我的机器已处于相当负载的状态，因此时序不一致，也不一定非常准确。