문제
신경망 레이어, 어텐션, 그리고 머신러닝의 대부분은 결국 행렬 곱셈으로 귀결됩니다. n × k 행렬 A와 k × m 행렬 B의 곱 C = A × B는 n × m 행렬이며, 각 원소는 A의 행과 B의 열의 내적입니다.
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)를 구현하세요.
입력
a: n × k 행렬.
b: k × m 행렬 (행 수가 a의 열 수와 같음).
출력
n × m 곱 행렬을 반환하세요.
제약 조건
1 ≤ n, k, m ≤ 50
-100 ≤ 각 값 ≤ 100
예시
예시 1
입력:
a = [
[1.0, 2.0],
[3.0, 4.0]
]
b = [
[5.0, 6.0],
[7.0, 8.0]
]
예상 출력:
expected = [
[19.0, 22.0],
[43.0, 50.0]
]입력:
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}
};
예상 출력:
std::vector<std::vector<double>> expected = {
{19.0, 22.0},
{43.0, 50.0}
};입력:
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}
};
예상 출력:
double[][] expected = new double[][] {
new double[] {19.0, 22.0},
new double[] {43.0, 50.0}
};설명
C[0][0] = 1×5 + 2×7 = 19, C[0][1] = 1×6 + 2×8 = 22, C[1][0] = 3×5 + 4×7 = 43, C[1][1] = 3×6 + 4×8 = 50.
예시 2
입력:
a = [
[1.0, 0.0, 2.0]
]
b = [
[3.0],
[4.0],
[5.0]
]
예상 출력:
expected = [
[13.0]
]입력:
std::vector<std::vector<double>> a = {
{1.0, 0.0, 2.0}
};
std::vector<std::vector<double>> b = {
{3.0},
{4.0},
{5.0}
};
예상 출력:
std::vector<std::vector<double>> expected = {
{13.0}
};입력:
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}
};
예상 출력:
double[][] expected = new double[][] {
new double[] {13.0}
};설명
1 × 3 행렬과 3 × 1 행렬을 곱하면 1 × 1 행렬이 됩니다: 1×3 + 0×4 + 2×5 = 13.
참고 자료
이 문제는 CodeUtility에 맞게 수정되었습니다. 위의 설명과 제한 조건을 따르세요.