समस्या
न्यूरल नेटवर्क की लेयर, अटेंशन और मशीन लर्निंग का ज़्यादातर हिस्सा अंत में मैट्रिक्स गुणन पर आता है। n × k मैट्रिक्स A और k × m मैट्रिक्स B का गुणनफल C = A × B, n × m का होता है, और हर तत्व A की एक पंक्ति और B के एक कॉलम का डॉट प्रोडक्ट है:
C[i][j] = A[i][0] × B[0][j] + A[i][1] × B[1][j] + … + A[i][k-1] × B[k-1][j]
matmul(a, b) लागू करें।
इनपुट
a: एक n × k मैट्रिक्स।
b: एक k × m मैट्रिक्स (इसकी पंक्तियों की संख्या a के कॉलम की संख्या के बराबर)।
आउटपुट
n × m गुणनफल मैट्रिक्स लौटाएँ।
सीमाएँ
1 ≤ n, k, m ≤ 50
-100 ≤ हर मान ≤ 100
उदाहरण
इनपुट:
a = [
[1.0, 2.0],
[3.0, 4.0]
]
b = [
[5.0, 6.0],
[7.0, 8.0]
]
अपेक्षित आउटपुट:
expected = [
[19.0, 22.0],
[43.0, 50.0]
]इनपुट:
std::vector<std::vector<double>> a = {
{1.0, 2.0},
{3.0, 4.0}
};
std::vector<std::vector<double>> b = {
{5.0, 6.0},
{7.0, 8.0}
};
अपेक्षित आउटपुट:
std::vector<std::vector<double>> expected = {
{19.0, 22.0},
{43.0, 50.0}
};इनपुट:
double[][] a = new double[][] {
new double[] {1.0, 2.0},
new double[] {3.0, 4.0}
};
double[][] b = new double[][] {
new double[] {5.0, 6.0},
new double[] {7.0, 8.0}
};
अपेक्षित आउटपुट:
double[][] expected = new double[][] {
new double[] {19.0, 22.0},
new double[] {43.0, 50.0}
};व्याख्या
C[0][0] = 1×5 + 2×7 = 19, C[0][1] = 1×6 + 2×8 = 22, C[1][0] = 3×5 + 4×7 = 43 और C[1][1] = 3×6 + 4×8 = 50।
इनपुट:
a = [
[1.0, 0.0, 2.0]
]
b = [
[3.0],
[4.0],
[5.0]
]
अपेक्षित आउटपुट:
expected = [
[13.0]
]इनपुट:
std::vector<std::vector<double>> a = {
{1.0, 0.0, 2.0}
};
std::vector<std::vector<double>> b = {
{3.0},
{4.0},
{5.0}
};
अपेक्षित आउटपुट:
std::vector<std::vector<double>> expected = {
{13.0}
};इनपुट:
double[][] a = new double[][] {
new double[] {1.0, 0.0, 2.0}
};
double[][] b = new double[][] {
new double[] {3.0},
new double[] {4.0},
new double[] {5.0}
};
अपेक्षित आउटपुट:
double[][] expected = new double[][] {
new double[] {13.0}
};व्याख्या
1 × 3 मैट्रिक्स को 3 × 1 मैट्रिक्स से गुणा करने पर 1 × 1 मैट्रिक्स मिलता है: 1×3 + 0×4 + 2×5 = 13।
संदर्भ
यह चुनौती CodeUtility के लिए अनुकूलित की गई है। ऊपर दिए गए स्टेटमेंट और सीमाओं का पालन करें।