numpy.matmul用于执行矩阵乘法，要求左矩阵列数等于右矩阵行数，支持多维数组按最后两维进行矩阵乘法并广播其余维度，与*（逐元素相乘）和np.dot（高维行为不同）有区别，推荐用于明确的矩阵运算，等价于@操作符。
在 Python 中，numpy.matmul 是 NumPy 提供的用于执行矩阵乘法的函数。它专为线性代数中的矩阵相乘设计，比普通的数组乘法（如 *）更符合数学意义上的矩阵乘法。
matmul 基本用法
numpy.matmul(A, B) 计算两个数组 A 和 B 的矩阵乘积。要求 A 的列数等于 B 的行数。
示例：
import numpy as npA = np.array([[1, 2],
[3, 4]])
B = np.array([[5, 6],
[7, 8]])
C = np.matmul(A, B)
print(C)
# 输出：
# [[19 22]
# [43 50]]
支持多维数组
当输入是三维或更高维数组时，matmul 沿最后两个轴进行矩阵乘法，广播其余维度。
立即学习“Python免费学习笔记（深入）”；
例如，两个形状为 (2, 3, 4) 和 (2, 4, 5) 的数组可以相乘，结果为 (2, 3, 5)。
A = np.random.rand(2, 3, 4)B = np.random.rand(2, 4, 5)
C = np.matmul(A, B)
print(C.shape) # (2, 3, 5)
与 '*' 和 dot 的区别
注意以下几点避免混淆：
- * 表示逐元素乘法（对应位置相乘），不是矩阵乘法
- np.dot 在二维情况下类似 matmul，但在高维行为略有不同，且对向量处理更灵活
- matmul 更严格遵循线性代数规则，不支持标量，推荐用于明确的矩阵乘法
常见使用建议
实际使用中注意：
- 确保参与乘法的最后两个维度满足矩阵乘法条件：(m, k) × (k, n)
- 如果需要将一维数组视为行/列向量，注意其形状影响结果
- 对于二维数组，
np.matmul(A, B)等价于A @ B，@ 是 Python 的矩阵乘法操作符
基本上就这些。掌握 matmul 能帮助你在科学计算和机器学习中正确实现线性变换、神经网络层计算等任务。
