Producto Punto (Dot Product) N x D
Operación algebraica fundamental entre vectores para medir alineación y magnitud en N consultas de D dimensiones.
Definición Técnica & Formal
El producto punto multiplica componente a componente dos vectores y suma los resultados. En matrices N x D (N vectores de D dimensiones), es la operación central utilizada por aceleradores GPU (Tensor Cores) para calcular la similitud en paralelo masivo.
Puntos Clave & Aplicaciones
"Superponer dos flechas: si apuntan exactamente a la misma dirección, el resultado multiplica sus fuerzas; si son perpendiculares, el resultado es cero."
💡 Tip: Puedes presionar el botón "Dibujar / Apuntes" en la barra superior para hacer anotaciones gráficas sobre este diagrama.Fórmula Matemática
Demostración Visual e Interactiva
Interactúa con los controles para simular dinámicamente el funcionamiento de Producto Punto (Dot Product) N x D.
Visualizador de la Arquitectura "Producto Punto (Dot Product) N x D"
Superponer dos flechas: si apuntan exactamente a la misma dirección, el resultado multiplica sus fuerzas; si son perpendiculares, el resultado es cero.
Ejemplo de Código & Demostración
import numpy as np
# N = 3 consultas, D = 4 dimensiones
N, D = 3, 4
queries = np.random.rand(N, D)
embeddings = np.random.rand(10, D) # 10 documentos
# Multiplicación matricial (N x D) @ (D x 10) -> (N x 10)
similarity_matrix = np.matmul(queries, embeddings.T)
print("Matriz de Similitud (N x 10):", similarity_matrix.shape)