张量(tensor)的广播
在使用numpy 对张量(数组)进行操作时,两个形状相同的张量进行加减等运算很容易理解,那么不同形状的张量之间的运算是通过广播来实现的。广播实际上很简单,但是弄清楚是也花了不小功夫,这里记录一下。
广播的目的是将两个不同形状的张量 变成两个形状相同的张量,即先对小的张量添加轴(使其ndim与较大的张量相同),在把较小的张量沿着新轴重复(使其shape与较大的相同)
广播的的限制条件为:两个张量的 trailing dimension(从后往前算起的维度)的轴长相等 或 其中一个的长度为1
import numpy as np a=np.arange(0,12) a=a.reshape(3,4) b=np.arange(0,4) print(a) #[[ 0 1 2 3] # [ 4 5 6 7] # [ 8 9 10 11]] print(b) #[0 1 2 3] print(a.shape) #(3, 4) print(b.shape) #(4,) print(a.ndim) #2 print(b.ndim) #1 a+b #array([[ 0, 2, 4, 6], # [ 4, 6, 8, 10], # [ 8, 10, 12, 14]])
上述 a+b 的计算过程等价为:
(1)先将b添加一个轴 即
(2)在将b沿着 新加的轴进行重复
b.reshape(1,4) #array([[0, 1, 2, 3]]) c=np.array([b,b,b]) #array([[0, 1, 2, 3], # [0, 1, 2, 3], # [0, 1, 2, 3]]) a+c #array([[ 0, 2, 4, 6], # [ 4, 6, 8, 10], # [ 8, 10, 12, 14]])
其他几个例子
x=np.arange(0,12) x=x.reshape(3,4,1) x y=np.arange(0,8) y=y.reshape(4,2) y q=x+y q.shape #(3,4,2)
x=np.arange(0,12) x=x.reshape(3,4,1) x z=np.arange(0,2) z=z.reshape(1,2) z q=x+z q.shape #(3,4,2)
x : y
z
x+y
x+z
最后放上几个图片便于理解
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· 从 HTTP 原因短语缺失研究 HTTP/2 和 HTTP/3 的设计差异
· AI与.NET技术实操系列:向量存储与相似性搜索在 .NET 中的实现
· 基于Microsoft.Extensions.AI核心库实现RAG应用
· Linux系列:如何用heaptrack跟踪.NET程序的非托管内存泄露
· 开发者必知的日志记录最佳实践
· TypeScript + Deepseek 打造卜卦网站:技术与玄学的结合
· Manus的开源复刻OpenManus初探
· AI 智能体引爆开源社区「GitHub 热点速览」
· C#/.NET/.NET Core技术前沿周刊 | 第 29 期(2025年3.1-3.9)
· 从HTTP原因短语缺失研究HTTP/2和HTTP/3的设计差异