Question

我不明白broadcasting。该文件解释了广播规则，但似乎没有用英语定义。我的猜测是广播是当NumPy用虚拟数据填充较小的维数组以执行操作时。但这不起作用：

>>> x = np.array([1,3,5])
>>> y = np.array([2,4])
>>> x+y
*** ValueError: operands could not be broadcast together with shapes (3,) (2,)

错误消息暗示我在正确的轨道上。有人可以定义广播，然后提供一些简单的示例，说明它何时起作用？何时不起作用？

Answer 1

当你告诉它在不同尺寸的阵列上执行操作时，广播很难实现聪明。例如：

$user = (new User)->find(123); //123 is the PK of the User

在这里，它决定要在较高维数组（1-D）中的每个项目上使用较低维数组（0-D）应用该操作。

您还可以将二维数组（标量）或一维数组添加到二维数组中。在第一种情况下，您只需像以前一样将标量添加到二维数组中的所有项目。在第二种情况下，numpy将逐行添加：

2 + np.array([1,3,5]) == np.array([3, 5, 7])

有很多方法可以告诉numpy沿着不同的轴应用操作。在3-D阵列和1-D，2-D或0-D阵列之间应用操作时，可以进一步采取这种方法。

Answer 2

术语广播描述了numpy如何在算术运算期间处理具有不同形状的数组。

基本上，numpy可以通过数组扩展操作域。

广播的唯一要求是对齐数组维度，以便：

对齐尺寸相等。
其中一个对齐的尺寸为1。

所以，例如if：

x = np.ndarray(shape=(4,1,3))
y = np.ndarray(shape=(3,3))

你不能像这样对齐x和y：

4 x 1 x 3
3 x 3

但你可以这样：

4 x 1 x 3
    3 x 3

这样的操作怎么样？

假设我们有：

x = np.ndarray(shape=(1,3), buffer=np.array([1,2,3]),dtype='int')
array([[1, 2, 3]])

y = np.ndarray(shape=(3,3), buffer=np.array([1,1,1,1,1,1,1,1,1]),dtype='int')
array([[1, 1, 1],
       [1, 1, 1],
       [1, 1, 1]])

操作x + y将导致：

array([[2, 3, 4],
       [2, 3, 4],
       [2, 3, 4]])

我希望你抓住了漂移。如果没有，您可以随时查看官方文档here。

干杯！

Answer 3

1。什么是广播？ 广播是张量操作。对神经网络（ML，AI）有用

2。广播的用途是什么？

不支持广播，仅添加相同的Dimension（形状）张量。
广播为我们提供了添加两个不同维度的张量的灵活性。

例如：在不广播see the image explaining Broadcasting pictorially

运行Python示例代码了解概念

x = np.array([1,3,5,6,7,8]) 
y = np.array([2,4,5])
X=x.reshape(2,3)

调整
x的形状以得到形状为（2,3）的2D张量X，然后将此2D张量X与形状为（1,3）的1D张量y相加以获得形状为（2,3）的2D张量z

print("X =",X)
print("\n y =",y)
z=X+y
print("X + y =",z)

对于较小的张量几乎是正确的，没有歧义，较小的张量将被广播以匹配较大的张量的形状。（小向量被重复但没有填充虚拟数据或零匹配较大的形状）。

3。广播如何发生？ 广播包括两个步骤：

1将广播轴添加到较小的张量以匹配的ndim 大张量。

2在这些新轴旁边重复较小的张量以匹配完整形状大张量。

4。为什么您的代码中没有广播？ 您的代码正常工作，但此处无法进行广播，因为两个张量的形状不同，但Dimensional（1D）相同。尺寸不相同时会发生广播。您需要做的是更改张量之一的尺寸，您将体验广播。

5。深入了解。广播（较小张量的重复）沿广播轴发生，但是由于两个张量都是一维的，因此没有广播轴。 不要将张量维与张量的形状混淆，张量维度与矩阵维度不同。

Answer 4

>>> x = np.array([1,3,5])
>>> y = np.array([2,4])
>>> x+y
*** ValueError: operands could not be broadcast together with shapes (3,) (2,)

广播是numpy如何对具有不同形状的数组进行数学运算。形状是数组具有的格式，例如，您使用的数组x具有3个1维元素。 y有2个元素和1个维度。

要执行广播，有2条规则： 1）数组具有相同的尺寸（形状）或 2）不匹配的维度等于1。

例如x具有shape（2,3）[或2行3列]； y的形状为（2,1）[或2行1列]

您可以添加它们吗？ x + y？回答：是的，因为不匹配的尺寸等于1（y中的列）。如果y具有shape（2,4），则将无法进行广播，因为不匹配的尺寸不是1。

如果您发布了：操作数不能与形状（3，）（2，）一起广播；这是因为3个和2个完全不匹配都只有1行。

Answer 5

我建议尝试使用np.broadcast_arrays，运行一些演示可能会给出直观的想法。 Official Document也很有帮助。根据我目前的理解，numpy将比较从尾到头的尺寸。如果1个dim为1，它将在维度上广播，如果一个数组具有更多轴，例如（256 * 256 * 3）乘以（1，），则可以将（1）视为（1,1,1）。广播将产生（256,256,3）。

NumPy - 什么是广播？

5 个答案:

这样的操作怎么样？