Question

我希望在Numpy中使用一个lile /一个操作员来完成此操作。一维向量和矩阵之间的常规numpy减法将像这样工作：

weights = np.array([[2,3,0], [10,11,12], [1,2,4] , [10,11,12]], dtype = np.float)


inputs = np.array([1,2,3] , dtype = np.float)

print(inputs  - weights)

结果是：

[[-1. -1.  3.]
 [-9. -9. -9.]
 [ 0.  0. -1.]
 [-9. -9. -9.]]

包含输入-weights [0]和输入-weights [1]的减法

我正在寻找一种方法来使用像二维数组这样的运算符：

inputs = np.array([[1,2,3],[2,3,4],[7,8,9],[4,5,4]] , dtype = np.float)

weights = np.array([[2,3,0], [10,11,12], [1,2,4] , [10,11,12]], dtype = np.float)

#inputs  - weights would be elementwise substraction

output = [i - weights for i in inputs] 
print(output)

但这会在Python中创建一个循环，如何使用numpy数组正确地做到这一点？

Answer 1

您可以使用np.expand_dims(inputs, axis=1)扩展输入，使其具有(4, 1, 3)的形状，因此当您广播减法时，它将按照您想要的方式工作：

import numpy as np

inputs =  np.array([[1,2,3], [2,3,4], [7,8,9], [4,5,4]] , dtype = np.float)
weights = np.array([[2,3,0], [10,11,12], [1,2,4], [10,11,12]], dtype = np.float)


np.expand_dims(inputs, axis=1) - weights

结果

array([[[-1., -1.,  3.],
        [-9., -9., -9.],
        [ 0.,  0., -1.],
        [-9., -9., -9.]],

       [[ 0.,  0.,  4.],
        [-8., -8., -8.],
        [ 1.,  1.,  0.],
        [-8., -8., -8.]],

       [[ 5.,  5.,  9.],
        [-3., -3., -3.],
        [ 6.,  6.,  5.],
        [-3., -3., -3.]],

       [[ 2.,  2.,  4.],
        [-6., -6., -8.],
        [ 3.,  3.,  0.],
        [-6., -6., -8.]]])

如何在Numpy中执行此棘手的替换：

1 个答案: