Question

我试图减去任意维度的ndarray的最小值。它似乎适用于3维，但不是4

3维案例：

mat1 = np.random.rand(10,5,2,1)
# mat1 is (10,5,2,1)
mat2 = mat1.min(axis = (1,2,3))
# mat2 is (10,)
(mat1 - mat2).shape == mat1.shape
# Should be True, but
#Output: False

4 Dimnesional Case：

{{1}}

Answer 1

您的第一个示例具有误导性，因为所有尺寸都相同。这隐藏了你在第二次看到的那种错误。具有不同尺寸尺寸的示例可以更好地发现错误：

In [530]: x1 = np.arange(2*3*4).reshape(2,3,4)
In [531]: x2 = x1.min(axis=(1,2))
In [532]: x2.shape
Out[532]: (2,)
In [533]: x1-x2
...
ValueError: operands could not be broadcast together with shapes (2,3,4) (2,)

将其与我告诉它保持尺寸的情况相比较：

In [534]: x2 = x1.min(axis=(1,2),keepdims=True)
In [535]: x2.shape
Out[535]: (2, 1, 1)
In [536]: x1-x2
Out[536]: 
array([[[ 0,  1,  2,  3],
        [ 4,  5,  6,  7],
        [ 8,  9, 10, 11]],

       [[ 0,  1,  2,  3],
        [ 4,  5,  6,  7],
        [ 8,  9, 10, 11]]])

广播的基本规则：如果需要，a（2，）数组可以扩展为（1,1,2），但不能扩展到（2,1,1）。

但为什么第二种情况不会产生错误？

In [539]: mat1.shape
Out[539]: (10, 5, 2, 1)
In [540]: mat2.shape
Out[540]: (10,)
In [541]: (mat1-mat2).shape
Out[541]: (10, 5, 2, 10)

它的尾随大小为1，可以使用（10，）：

进行广播

(10,5,2,1) (10,) => (10,5,2,1)(1,1,1,10) => (10,5,2,10)

好像您已将newaxis添加到3d数组中：

mat1 = np.random.rand(10,5,2)
mat1[...,None] - mat2

列标准化在更高维度上的行为不同

1 个答案: