Numpy 심화 실습 chap 1 matmul()와 dot()의 차이

from IPython.display import Image

목표

Numpy dot 메소드에서 np.dot()함수를 사용하여 행렬 곱 연산을 했습니다. 그러나 3, 4차원의 배열에서 np.dot()을 사용하여 연산을 하면 의도치 않은 결과가 도출될 수 있습니다. 고차원 배열에서 Numpy의 np.dot()와 np.matmul()메소드를 살펴보고 둘의 차이점에 대해 알아봅시다.

np.dot()와 np.matmul()의 차이

2 x 2 x 2 모양을 가진 3차원 두 배열을 생성하고 np.dot()과 np.matmul()를 사용하여 연산해보겠습니다.

import numpy as np

A = np.array([
        [[3, 1], 
        [3, 3]], 

        [[1, 1], 
        [3, 2]]])
B = np.array([
        [[3, 3],
        [3, 3]],

        [[1, 3],
        [2, 1]]])

print(np.dot(A, B))

[[[[12 12]
   [ 5 10]]

  [[18 18]
   [ 9 12]]]


 [[[ 6  6]
   [ 3  4]]

  [[15 15]
   [ 7 11]]]]

print(np.matmul(A, B))

[[[12 12]
  [18 18]]

 [[ 3  4]
  [ 7 11]]]

np.dot() 연산 과정

• np.dot()은 각 A의 행 벡터와 B의 열 벡터끼리 모두 내적 연산을 합니다.
  예를 들어, A의 첫 번째 행렬 [[3 1] [3 3]]에서 행 벡터 [3 1]은 B의 첫 번째 행렬과 두 번째 행렬에 있는 모든 열 벡터 [3 3], [3 3], [1 2], [3 1]와 내적 연산을 하여 2차원 배열 [[12 12] [5 10]]을 도출합니다.

np.matmul() 연산 과정

• np.matmul()은 뒤에서 2개의 차원에 해당하는 배열끼리 행렬 곱 연산을 합니다. 예를 들어, A의 첫 번째 행렬 [[3 1] [3 3]]과 B의 첫 번째 행렬[[3 3] [3 3]]끼리 연산하여 2차원 배열 [[12 12] [18 18]]을 도출합니다.

위처럼 np.dot() 과 np.matmul()는 다르게 연산합니다. A와 B가 2 x 2 x 2 배열로 주어졌을 때 위 연산에 따라 np.dot()은 2 x 2 x 2 x 2 배열(4차원)로, np.matmul()은 2 x 2 x 2 배열(3차원)로 계산되는 것을 확인하실 수 있습니다.

이제 오른쪽 코드의 주석을 참고하여 빈칸을 채우고 np.dot()와 np.matmul()의 차이를 확인해봅시다.

예제 코드

import numpy as np

a = np.random.randn(3, 16, 64)
b = np.random.randn(3, 64, 8)

# np.dot(a, b)를 빈칸에 넣어주세요.
dot_result = np.dot(a,b)

# np.matmul(a, b)를 빈칸에 넣어주세요.
matmul_result = np.matmul(a,b)


print(dot_result.shape)
print(matmul_result.shape)

(3, 16, 3, 8)
(3, 16, 8)