我有一个数组 w (shape (3000, 100, 100)) 我想将它与另一个数组 e (shape (5, 3000)) 使得结果 k 的形状为 (5, 5, 100, 100) 和
k[:, :, i, j] = e @ np.diag(w[:, i, j]) @ e.T
因为 w 太大了，制作一些形状为 (3000, 3000, 100, 100) 的 super_w 数组是不切实际的，并且显式填充主对角线。遍历 i 和 j 的效率也不是很高。除了将 w 分成 block 之外，是否有一种节省内存的方法来执行此操作？
最佳答案
与 np.einsum -
k = np.einsum('li,ijk,mi->lmjk',e,w,e)
关于python - 对角阵列上的 numpy 线性代数，没有显式重复，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/47357744/