numpy-矩阵多个3x3和100x100x3阵列？

numpy-矩阵多个3x3和100x100x3阵列？

您似乎正在尝试

sum-reduce

的最后一个轴

XYZ_to_sRGB_mat_D50

(axis=1)

与最后一个

XYZ_2

(axis=2)

。因此，您可以

np.tensordot

像这样使用-

np.tensordot(XYZ_2, XYZ_to_sRGB_mat_D50, axes=((2),(1)))

相关帖子了解

tensordot

。

---

为了完整

np.matmul

起见

XYZ_2

，在交换的最后两个轴后，我们当然也可以使用，例如-

np.matmul(XYZ_to_sRGB_mat_D50, XYZ_2.swapaxes(1,2)).swapaxes(1,2)

这将不如

tensordot

一个高效。

---

运行时测试-

In [158]: XYZ_to_sRGB_mat_D50 = np.asarray([     ...:     [3.1338561, -1.6168667, -0.4906146],     ...:     [-0.9787684, 1.9161415, 0.0334540],     ...:     [0.0719453, -0.2289914, 1.4052427],     ...: ])     ...:      ...: XYZ_1 = np.asarray([0.25, 0.4, 0.1])     ...: XYZ_2 = np.random.rand(100,100,3)# @Julien's solnIn [159]: %timeit XYZ_2.dot(XYZ_to_sRGB_mat_D50.T)1000 loops, best of 3: 450 µs per loopIn [160]: %timeit np.tensordot(XYZ_2, XYZ_to_sRGB_mat_D50, axes=((2),(1)))10000 loops, best of 3: 73.1 µs per loop

一般而言，涉及

sum-reductions

张量时，

tensordot

效率要高得多。由于的轴

sum-reduction

只有一个，因此我们可以

2D

通过重整，使用

np.dot

，获取结果并将其整形为来将张量制成数组

3D

。