In [14]: A = np.arange(12).reshape(3,4); V = np.arange(8).reshape(2,4)

第一维是不同的，所以direct matmul不仅不能给予想要的结果，而且会出错，它试图对2个数组进行矩阵乘法运算：

In [15]: A@V
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
Input In [15], in <cell line: 1>()
----> 1 A@V

ValueError: matmul: Input operand 1 has a mismatch in its core dimension 0, with gufunc signature (n?,k),(k,m?)->(n?,m?) (size 2 is different from 4)

您需要的是将V的第一维视为“批处理”：

In [17]: [A@v for v in V]
Out[17]: [array([14, 38, 62]), array([ 38, 126, 214])]

型
我们通过将V作为3d阵列来实现这一点-请阅读matmul文档：

In [18]: A@V[:,:,None]
Out[18]: 
array([[[ 14],
        [ 38],
        [ 62]],

       [[ 38],
        [126],
        [214]]])

In [19]: _.shape
Out[19]: (2, 3, 1)

如有必要，我们可以删除尾随大小1维（squeeze）
使用einsum很容易指定此类尺寸：

In [20]: np.einsum('ij,kj->ik',A,V)
Out[20]: 
array([[ 14,  38],
       [ 38, 126],
       [ 62, 214]])

我可以用ki来得到（2，3）的答案。