减少是
axis=1针对
X和
axis=0进行的
tensor，因此
np.tensordot基于的解决方案将是-
np.tensordot(X,tensor, axes=([1],[0]))
说明：
让我们以迭代解决方案进行解释，并在其中进行第一次迭代：
output[:, :, 0] = X.dot(tensor[:, :, 0])
在点积中，第一个输入为
X，其形状为
(N x N)，第二个输入为
tensor[:, :, 0]，这是沿最后一个轴的第一个切片，其形状为
(N xN。这点积引起的沿第二轴线减少
X，即，
axis=1与沿着第一轴，即
axis=0的
tensor[:, :,0]，这也正好是整个阵列的第一轴线
tensor。现在，这将在所有迭代中继续进行。因此，即使在大画面，我们需要做的是相同的：减少/丧失
axis=1在
X和
axis=0张量，就像我们做！
整合@ hlin117的答案
np.tensordot(X,tensor, axes=([1],[0]))
定时：
>>> N = 200>>> tensor = np.random.rand(N, N, 30)>>> X = np.random.rand(N, N)>>> >>> %timeit np.tensordot(X, tensor, axes=([1], [0]))100 loops, best of 3: 14.7 ms per loop>>> %timeit np.tensordot(X, tensor, axes=1)100 loops, best of 3: 15.2 ms per loop
