＜目次＞
matmulとdotの違いについて（Pythonのnumpy・tensorflow）
(１-１) 両者の違い
(１-２) 両者の違い（実機確認）
matmulとdotの違いについて（Pythonのnumpy・tensorflow）
ベクトルや行列の計算で使用する関数である「matmul」と「dot」の違いについて紹介します。はじめに、matmulについてはnumpyライブラリのものと、tensorflowライブラリのものと２種類あります。
（概要）
⇒主に内積で使用。
⇒主に行列計算で使用。3次元以の行列計算にも対応。
⇒主に行列計算で使用。3次元以の行列計算にも対応。1次元を含むベクトルの内積はエラー
(１-１) 両者の違い
●numpy.matmul vs numpy.dot差異
（表）
| 次元 （行列1＼行列2） |
n=1 | n=2 | n>2 |
| n=1 （例：[1]） |
① 差異なし |
② 差異なし |
③ 差異なし |
| n=2 （例：[[1],[1]]） |
④ 差異なし |
⑤ 差異なし |
⑥ ▲差異あり ⇒詳細は「numpyの記事（★）」と「dotの記事（★）」を参照 |
| n>2 （例：[[[1],[1]],[[1],[1]]]） |
⑤ 差異なし |
⑧ ▲差異あり ⇒詳細は「numpyの記事（★）」と「dotの記事（★）」を参照 |
⑨ ▲差異あり ⇒詳細は「numpyの記事（★）」と「dotの記事（★）」を参照 |
●numpy.matmul vs tensorflow.matmul差異
（表）
| 次元 （行列1＼行列2） |
n=1 | n=2 | n>2 |
| n=1 （例：[1]） |
① ▲差異あり ⇒tensorflowはエラー。numpyはベクトル内積計算。 |
② ▲差異あり ⇒tensorflowはエラー。numpyはベクトル内積計算。 |
③ ▲差異あり ⇒tensorflowはエラー。numpyはベクトル内積計算。 |
| n=2 （例：[[1],[1]]） |
④ ▲差異あり ⇒tensorflowはエラー。numpyはベクトル内積計算。 |
⑤ 差異なし |
⑥ 差異なし |
| n>2 （例：[[[1],[1]],[[1],[1]]]） |
⑦ ▲差異あり ⇒tensorflowはエラー。numpyはベクトル内積計算。 |
⑧ 差異なし |
⑨ 差異なし |
(１-２) 両者の違い（実機確認）
●numpy.dot
（テストコード）
import numpy as np
def main():
a_1d_2 = np.array([1,2])
a_2d_1x2 = np.array([[1,2]])
a_2d_2x1 = np.array([[1],[2]])
a_3d_2x1x2 = np.array([[[1,2]],[[1,2]]])
a_3d_2x2x1 = np.array([[[1],[2]],[[1],[2]]])
print("①：",np.dot(a_1d_2,a_1d_2))
print("②：",np.dot(a_1d_2,a_2d_2x1))
print("③：",np.dot(a_1d_2,a_3d_2x2x1))
print("④：",np.dot(a_2d_1x2,a_1d_2))
print("⑤：",np.dot(a_2d_1x2,a_2d_2x1))
print("⑦：",np.dot(a_3d_2x1x2,a_1d_2))
print("⑥：",np.dot(a_2d_1x2,a_3d_2x2x1))
print("⑧：",np.dot(a_3d_2x2x1,a_2d_1x2))
print("⑨：",np.dot(a_3d_2x2x1,a_3d_2x1x2))
if __name__ == "__main__":
main()
（実行結果）
①： 5 ②： [5] ③： [[5] [5]] ④： [5] ⑤： [[5]] ⑦： [[5] [5]] ⑥： [[[5] [5]]] ⑧： [ [[1 2] [2 4]] [[1 2] [2 4]] ] ⑨： [ [ [[1 2] [1 2]] [[2 4] [2 4]] ] [ [[1 2] [1 2]] [[2 4] [2 4]] ] ]
（図１２１）
●numpy.matmul
（テストコード）
import numpy as np
def main():
a_1d_2 = np.array([1,2])
a_2d_1x2 = np.array([[1,2]])
a_2d_2x1 = np.array([[1],[2]])
a_3d_2x1x2 = np.array([[[1,2]],[[1,2]]])
a_3d_2x2x1 = np.array([[[1],[2]],[[1],[2]]])
print("①：",np.matmul(a_1d_2,a_1d_2))
print("②：",np.matmul(a_1d_2,a_2d_2x1))
print("③：",np.matmul(a_1d_2,a_3d_2x2x1))
print("④：",np.matmul(a_2d_1x2,a_1d_2))
print("⑤：",np.matmul(a_2d_1x2,a_2d_2x1))
print("⑦：",np.matmul(a_3d_2x1x2,a_1d_2))
print("⑥：",np.matmul(a_2d_1x2,a_3d_2x2x1))
print("⑧：",np.matmul(a_3d_2x2x1,a_2d_1x2))
print("⑨：",np.matmul(a_3d_2x2x1,a_3d_2x1x2))
if __name__ == "__main__":
main()
（実行結果）
①： 5 ②： [5] ③： [[5] [5]] ④： [5] ⑤： [[5]] ⑦： [[5] [5]] ⑥： [[[5]] [[5]]] ⑧： [ [[1 2] [2 4]] [[1 2] [2 4]] ] ⑨： [ [[1 2] [2 4]] [[1 2] [2 4]] ]
（図１２２）
●tensorflow.matmul
（テストコード）
import tensorflow as tf
import numpy as np
def main():
a_1d_2 = np.array([1,2])
a_2d_1x2 = np.array([[1,2]])
a_2d_2x1 = np.array([[1],[2]])
a_3d_2x1x2 = np.array([[[1,2]],[[1,2]]])
a_3d_2x2x1 = np.array([[[1],[2]],[[1],[2]]])
# print("①：",tf.matmul(a_1d_2,a_1d_2).numpy())
# print("②：",tf.matmul(a_1d_2,a_2d_2x1).numpy())
# print("③：",tf.matmul(a_1d_2,a_3d_2x2x1).numpy())
# print("④：",tf.matmul(a_2d_1x2,a_1d_2).numpy())
# print("⑦：",tf.matmul(a_3d_2x1x2,a_1d_2).numpy())
print("⑤：",tf.matmul(a_2d_1x2,a_2d_2x1).numpy())
print("⑥：",tf.matmul(a_2d_1x2,a_3d_2x2x1).numpy())
print("⑧：",tf.matmul(a_3d_2x2x1,a_2d_1x2).numpy())
print("⑨：",tf.matmul(a_3d_2x2x1,a_3d_2x1x2).numpy())
if __name__ == "__main__":
main()
（実行結果）
①：エラー（In[0] and In[1] ndims must be >= 2） ②：エラー（In[0] and In[1] has different ndims: [2] vs. [2,1]） ③：エラー（In[0] ndims must be >= 2） ④：エラー（In[0] and In[1] has different ndims: [1,2] vs. [2]） ⑦：エラー（In[1] ndims must be >= 2） ⑤： [[5]] ⑥： [[[5]] [[5]]] ⑧： [ [[1 2] [2 4]] [[1 2] [2 4]] ] ⑨： [ [[1 2] [2 4]] [[1 2] [2 4]] ]
（図１２３）
