डेटा साइंस, मशीन लर्निंग और ग्राफिक्स सहित विभिन्न क्षेत्रों में मैट्रिसेस कई कम्प्यूटेशनल कार्यों का एक मूलभूत हिस्सा हैं। पायथन में, लोकप्रिय संख्यात्मक पुस्तकालय NumPy matmul फ़ंक्शन का उपयोग करके मैट्रिक्स गुणन करने का एक सुविधाजनक तरीका प्रदान करता है। इस लेख में, हम आपके पायथन कोड में NumPy में matmul शॉर्टहैंड, इसकी कार्यक्षमता और इसके कार्यान्वयन पर चर्चा करेंगे।
मेट्रिसेस और न्यूमपी का परिचय
एक मैट्रिक्स पंक्तियों और स्तंभों में व्यवस्थित संख्याओं का एक द्वि-आयामी सरणी है, जिसका उपयोग रैखिक परिवर्तनों की एक विस्तृत श्रृंखला, रैखिक समीकरणों की प्रणाली और ज्यामितीय परिवर्तनों का प्रतिनिधित्व करने के लिए किया जा सकता है। पायथन में, NumPy लाइब्रेरी मेट्रिसेस को प्रभावी ढंग से बनाने और संचालित करने के लिए कार्यों का एक समृद्ध सेट प्रदान करती है।
Numpy एक शक्तिशाली, ओपन-सोर्स पायथन लाइब्रेरी है जो बड़े, बहु-आयामी सरणियों और मैट्रिसेस के साथ काम करने के लिए सहायता प्रदान करती है। यह इन सरणियों पर संचालन करने के लिए गणितीय कार्यों का एक संग्रह भी प्रदान करता है, जैसे कि मैट्रिक्स गुणन, जो कई अनुप्रयोगों में एक मुख्य संचालन है।
मैट्रिक्स गुणन और matmul
मैट्रिक्स गुणा एक बाइनरी ऑपरेशन है जो मैट्रिक्स की एक जोड़ी लेता है और इसके परिणाम के रूप में एक और मैट्रिक्स उत्पन्न करता है। इसे पहले मैट्रिक्स से पंक्तियों और दूसरे मैट्रिक्स से कॉलम के संबंधित तत्वों के उत्पाद के योग के रूप में परिभाषित किया गया है।
RSI matmul NumPy में फ़ंक्शन का उपयोग मैट्रिक्स गुणन के लिए किया जाता है। यह दो इनपुट सरणियाँ लेता है और उनका मैट्रिक्स उत्पाद लौटाता है। यदि इनपुट सरणियाँ मैट्रिक्स नहीं हैं, तो उन्हें पंक्तियों और स्तंभों का प्रतिनिधित्व करने वाले उनके अंतिम दो आयामों के साथ मैट्रिक्स के रूप में माना जाता है।
import numpy as np matrix1 = np.array([[1, 2], [3, 4]]) matrix2 = np.array([[5, 6], [7, 8]]) result = np.matmul(matrix1, matrix2) print(result)
इस उदाहरण में, फ़ंक्शन इनपुट के रूप में दो 2×2 आव्यूह लेता है और उनका उत्पाद लौटाता है। प्राप्त परिणाम समान आयामों का एक मैट्रिक्स होगा।
चरण-दर-चरण स्पष्टीकरण
ऊपर दिए गए मैट्रिक्स गुणन कोड उदाहरण की चरण-दर-चरण व्याख्या यहां दी गई है:
1. संक्षिप्त नाम "एनपी" का उपयोग करके संख्यात्मक पुस्तकालय आयात करें।
2. numpy's array function का उपयोग करके दो मेट्रिसेस (इस मामले में 2×2) को परिभाषित करें।
3. तर्क के रूप में मैट्रिक्स 1 और मैट्रिक्स 2 प्रदान करते हुए, सुपीरियर फ़ंक्शन मैटमुल का उपयोग करके मैट्रिक्स गुणा करें।
4. परिणामी मैट्रिक्स को प्रिंट करें।
इस उदाहरण के लिए आउटपुट होगा:
[[19 22] [43 50]]
माटमुल गुण और सीमाएं
सामान्य तौर पर, मैट्रिक्स गुणन कुछ गणितीय गुणों जैसे कम्यूटेटिविटी को संतुष्ट नहीं करता है, लेकिन यह सहयोगीता और वितरण जैसे गुणों को पूरा करता है। इनपुट मेट्रिसेस के आयाम मैट्रिक्स गुणन में महत्वपूर्ण भूमिका निभाते हैं - पहले मैट्रिक्स में कॉलम की संख्या दूसरे मैट्रिक्स में पंक्तियों की संख्या के बराबर होनी चाहिए।
यदि इनपुट मेट्रिसेस इन आयामी आवश्यकताओं को पूरा नहीं करते हैं, तो ए मान उठाया जाएगा। यह भी ध्यान देने योग्य है कि, हालांकि मटमुल फ़ंक्शन बहु-आयामी सरणियों को संभाल सकता है, मैट्रिक्स उत्पाद केवल द्वि-आयामी मैट्रिसेस के लिए परिभाषित किया गया है।
मैट्रिक्स गुणन के लिए वैकल्पिक कार्य
मटमुल फ़ंक्शन के अलावा, NumPy मैट्रिक्स गुणन के लिए अन्य आशुलिपि विधियाँ प्रदान करता है:
1. एनपी डॉट: यह फ़ंक्शन मैट्रिक्स गुणन भी कर सकता है, लेकिन अधिक सामान्य है, क्योंकि यह आंतरिक उत्पादों, बाहरी उत्पादों और टेंसर उत्पादों को भी संभाल सकता है।
2. @ ऑपरेटर: पायथन 3.5 और बाद में, मैट्रिक्स गुणा के लिए @ प्रतीक को इंफिक्स ऑपरेटर के रूप में उपयोग किया जा सकता है।
result_alternative1 = np.dot(matrix1, matrix2) result_alternative2 = matrix1 @ matrix2
इन वैकल्पिक विधियों से वही परिणाम प्राप्त होंगे जो मटमुल फ़ंक्शन करते हैं।
अंत में, NumPy में matmul आशुलिपि Python में मैट्रिक्स गुणन करने के लिए एक कुशल और बहुमुखी तरीका प्रदान करती है। इस शक्तिशाली कार्यप्रणाली और इसके उपयोग को समझने से विभिन्न अनुप्रयोगों में आपके कोड के प्रदर्शन में काफी सुधार हो सकता है।
