Skip to main content
 首页 » 编程设计

python之使用 numpy 处理点矩阵乘法组

2025年04月02日16落叶

给定两个平行数组,一个是旋转矩阵数组,另一个是一组 3D 点数组,我正在寻找将每个子组与其对应矩阵相乘的最快方法。

我能够通过使用 numpy.einsum 遍历每个组来实现我想要的。我希望有一种方法可以在没有循环的情况下做到这一点。这是我到目前为止的代码:

import numpy as np 
N_GROUPS = 10 
N_SUBGROUPS = 4 
 
p = np.random.random((N_SUBGROUPS,N_GROUPS,3,)) # N_GROUPS of N_SUBGROUPS of 3D points 
M = np.random.random((N_GROUPS,3,3,))           # N_GROUPS of rotation matrices 
I = np.linalg.inv(M)                            # Inverse of M for testing purposes 
 
# Use a loop to transform every subgroup. 
for i in xrange(N_SUBGROUPS): 
    p_ = np.einsum('ij,ijk->ik', p[i], M) 
 
    # test 
    p__= np.einsum('ij,ijk->ik', p_, I) 
    print np.allclose(p[i],p__)# Returns True 

重写 einsum 表达式以处理我的情况的任何帮助,或有关如何使用其他方法的建议将不胜感激。

请您参考如下方法:

这真的很简单:您自己完成了大部分工作!

只需取与子组对应的索引并将其放在 einsum 方程的两边:这将为您提供所需的维度数组 (N_SUBGROUPS, N_GROUPS, 3)。

假设我们称子群索引为l,那么:

p_ = np.einsum('lij,ijk->lik', p, M) 
 
# I've changed the subgroup range index for clarity 
for l in range(N_SUBGROUPS): 
    # test 
    p__= np.einsum('ij,ijk->ik', p_[l], I) 
    print(np.allclose(p[l],p__))  # Returns True