我有兩個 numpy 的 shape 數組(436, 1024, 2)。最后一個維度 ( 2) 表示 2D 向量。我想按元素比較兩個 numpy 數組的二維向量，以便找到平均角度誤差。為此，我想使用點積，它在循環數組的前兩個維度時工作得很好（forPython 中的循環可能很慢）。因此我想使用 numpy 函數。我發現這np.tensordot允許按元素執行點積。但是，我沒有成功地使用它的axes論點：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)我有以下錯誤：ValueError: shape-mismatch for sum下面是我的函數，它正確計算平均角度誤差：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)