所以我有两个ndarray：
形状为（N，a，a）的A，基本上是由N个形状为（a，a）的数组组成的堆栈
形状为（8，M，a，a）的B，是由8 x M个形状为（a，a）的阵列组成的矩阵
我需要从A（A-B）中减去B，以使所得数组的形状为（8，M * N，a，a）。 更确切地说，需要从A中的每个阵列中减去B的8个阵列中的每个（总共M个），从而导致在（a，a）个形状阵列之间相减8 * M * N。
我该如何以向量化的方式执行此操作而没有循环？ thread的功能类似，但尺寸较小，我不知道如何扩展它。
答案 0 :(得分：2)
A = np.arange(8).reshape(2,2,2)
B = np.ones(shape=(8,4,2,2))
如果尺寸相同或一个尺寸为1，则常规广播将起作用，因此我们可以这样做；
a = A[np.newaxis, :, np.newaxis, :, :]
b = B[:, np.newaxis, :, :, :]
a.shape # <- (1,2,1,2,2)
b.shape # <- (8,1,4,2,2)
现在什么时候可以广播
c = a - b
c.shape # <- (8,2,4,2,2)
当您重塑形状时（2x4 = 8）组件会对齐。
c.reshape(8,-1,2,2)
新轴的顺序决定了整形，因此要小心。