Допустим, у нас есть две матрицы A и B.

A имеет форму (r, k), а B имеет форму (r, l).

Теперь я хочу вычислить произведение np.outer этих двух матриц на строки. После внешнего произведения я хочу суммировать все значения по оси 0. Таким образом, моя матрица результатов должна иметь форму (k, l).

Например, форма А представляет собой (4, 2), В представляет собой (4, 3).

import numpy as np

A = np.array([[0, 7], [4, 1], [0, 2], [0, 5]])
B = np.array([[9, 7, 7], [6, 7, 5], [2, 7, 9], [6, 9, 7]])

# This is the first outer product for the first values of A and B
print(np.outer(A[0], B[0])) # This will give me 

# First possibility is to use list comprehension and then
sum1 = np.sum((np.outer(x, y) for x, y in zip(A, B)), axis=0)

# Second possibility would be to use the reduce function
sum2 = reduce(lambda sum, (x, y): sum+np.outer(x, y), zip(A, B), np.zeros((A.shape[1], B.shape[1])))

# result for sum1 or sum2 looks like this:
# array([[ 175.,  156.,  133.], [ 133.,  131.,  137.]])

Я спрашиваю себя, есть ли лучшее или более быстрое решение? Потому что, когда у меня есть, например, две матрицы с более чем 10.000 строк это займет некоторое время.

Только использование функции np.outer не является решением, потому что np.outer (A, B) даст мне матрицу с формой (8, 12) (это не то, что я хочу).

Нужно это для нейронных сетей обратного распространения.