我有兩個(gè) numpy 的 shape 數(shù)組(436, 1024, 2)。最后一個(gè)維度 ( 2) 表示 2D 向量。我想按元素比較兩個(gè) numpy 數(shù)組的二維向量，以便找到平均角度誤差。為此，我想使用點(diǎn)積，它在循環(huán)數(shù)組的前兩個(gè)維度時(shí)工作得很好（forPython 中的循環(huán)可能很慢）。因此我想使用 numpy 函數(shù)。我發(fā)現(xiàn)這np.tensordot允許按元素執(zhí)行點(diǎn)積。但是，我沒(méi)有成功地使用它的axes論點(diǎn)：import numpy as npdef average_angular_error_vec(estimated_oc : np.array, target_oc : np.array):    estimated_oc = np.float64(estimated_oc)    target_oc = np.float64(target_oc)    norm1 = np.linalg.norm(estimated_oc, axis=2)    norm2 = np.linalg.norm(target_oc, axis=2)    norm1 = norm1[..., np.newaxis]    norm2 = norm2[..., np.newaxis]    unit_vector1 = np.divide(estimated_oc, norm1)    unit_vector2 = np.divide(target_oc, norm2)    dot_product = np.tensordot(unit_vector1, unit_vector2, axes=2)    angle = np.arccos(dot_product)    return np.mean(angle)我有以下錯(cuò)誤：ValueError: shape-mismatch for sum下面是我的函數(shù)，它正確計(jì)算平均角度誤差：def average_angular_error(estimated_oc : np.array, target_oc : np.array):    h, w, c = target_oc.shape    r = np.zeros((h, w), dtype="float64")    estimated_oc = np.float64(estimated_oc)    target_oc = np.float64(target_oc)    for i in range(h):        for j in range(w):            unit_vector_1 = estimated_oc[i][j] / np.linalg.norm(estimated_oc[i][j])            unit_vector_2 = target_oc[i][j] / np.linalg.norm(target_oc[i][j])            dot_product = np.dot(unit_vector_1, unit_vector_2)            angle = np.arccos(dot_product)            r[i][j] = angle           return np.mean(r)