numpy中np.dot与np.multiply的区别

1、numpy.linalg norm:范数的求解 http://www.cnblogs.com/zongfa/p/8745853.html 2、np.dot() 对于矩阵：得到的结果就是矩阵相乘的结果 对于一维向量：得到的结果就是向量的内积

# 作用于矩阵 X = np.array([[1,2],[3,4]]) Y = np.array([[5,6],[7,8]]) # 作用于向量 x = np.array([[1,2,3],[1,2,3]]) y = np.array([1,2,3]) a1 = np.dot(X,Y) print('矩阵dot\n',a1) a3 = np.dot(x, y) print('向量dot\n', a3) # 结果 矩阵dot [[19 22] [43 50]] 向量dot [14 14]

3、np.multiply 对于矩阵：就是对应元素相乘 对于一维矩阵也是对应元素相乘

# 作用于矩阵 X = np.array([[1,2],[3,4]]) Y = np.array([[5,6],[7,8]]) # 作用于向量 x = np.array([[1,2,3],[1,2,3]]) y = np.array([1,2,3]) a2 = np.multiply(X,Y) print('矩阵multiply\n',a2) a4 = np.multiply(x, y) print('向量multiply\n',a4) # 结果 矩阵multiply [[ 5 12] [21 32]] 向量multiply [[1 4 9] [1 4 9]]