假设我有一个包含 800 个向量的列表,每个向量由 1440 个标量组成。
List = [(1, 2, 3, ... , 1440),
(1, 2, 3, ... , 1440),
(1, 2, 3, ... , 1440),
...]
如何使用 python 和 numpy 以最快的方式计算每个向量与其他向量的点积?
假设我有一个包含 800 个向量的列表,每个向量由 1440 个标量组成。
List = [(1, 2, 3, ... , 1440),
(1, 2, 3, ... , 1440),
(1, 2, 3, ... , 1440),
...]
如何使用 python 和 numpy 以最快的方式计算每个向量与其他向量的点积?
如果您想要与 的点积在哪里的对称矩阵,x_ij则:a_ia_j
a = np.array(List)
x = a @ a.T
您可以使用np.triu_indices或np.tril_indices避免计算矩阵的后半部分。这不会影响计算的复杂性,但可以为足够数量的长向量节省一些时间:
a = np.array(x)
n = a.shape[0]
r, c = np.triu_indices(n)
result = np.empty((n, n))
result[r, c] = result[c, r] = np.sum(a[r] * a[c], axis=1)