numpy.inner

原文：https://docs.scipy.org/doc/numpy/reference/generated/numpy.inner.html

译者：飞龙 UsyiyiCN

校对：（虚位以待）

numpy.inner(a, b)

两个数组的内积。

用于1-D数组（没有复共轭）的向量的普通内积，在较高维度上是最后轴上的和积。

参数：	a，b：array_like 如果a和b为非标量，则其最后一个维度必须匹配。
返回：	out：ndarray out.shape = a.shape [： - 1] + b.shape [： - 1]
上升：	ValueError 如果a和b的最后一个维度具有不同的大小。

也可以看看

tensordot

任意轴上的和。

dot

使用b的最后一个维度的广义矩阵积。

einsum

爱因斯坦求和约定。

笔记

对于向量（1-D数组），它计算普通内积：

np.inner(a, b) = sum(a[:]*b[:])

更一般地，如果ndim（a）= r> 0和ndim（b）= s> 0：

np.inner(a, b) = np.tensordot(a, b, axes=(-1,-1))

或明确：

np.inner(a, b)[i0,...,ir-1,j0,...,js-1]
     = sum(a[i0,...,ir-1,:]*b[j0,...,js-1,:])

此外，a或b可能是标量，在这种情况下：

np.inner(a,b) = a*b

例子

向量的普通内积：

>>> a = np.array([1,2,3])
>>> b = np.array([0,1,0])
>>> np.inner(a, b)
2

多维示例：

>>> a = np.arange(24).reshape((2,3,4))
>>> b = np.arange(4)
>>> np.inner(a, b)
array([[ 14,  38,  62],
       [ 86, 110, 134]])

其中b是标量的示例：

>>> np.inner(np.eye(2), 7)
array([[ 7.,  0.],
       [ 0.,  7.]])