参考:https://docs.scipy.org/doc/numpy/user/basics.broadcasting.html
广播描述了在算术运算中numpy如何处理不同形状的数组之间的运算。其实现原理就是较小的数组在较大的数组上“广播”,扩展成和较大数组一样的形状,以便它们具有兼容的形状。并不是所有的数组间都能进行广播从而实现相互间的运算。
在两个数组上操作时,NumPy按照元素个数来比较它们的形状。该比较从尾部的维度开始,并依次向前。我们称两个维度是兼容的,当且仅当它们满足以下之一种情况:
(1)他们的维度信息按尾部对齐后是相等的,
(2)或者对齐后维度信息不相等,但其中之一的维度大小是1
如果以上的2种情况都不满足,那就无法在2个形状不同的数组上进行广播。
举一些例子:
Image (3d array): 256 x 256 x 3
Scale (1d array): 3
Result (3d array): 256 x 256 x 3
A (2d array): 5 x 4
B (1d array): 4
Result (2d array): 5 x 4
A (3d array): 15 x 3 x 5
B (3d array): 15 x 1 x 5
Result (3d array): 15 x 3 x 5
##################################
A (3d array): 15 x 3 x 5
B (2d array): 3 x 5
Result (3d array): 15 x 3 x 5
####################################
A (3d array): 15 x 3 x 5
B (2d array): 3 x 1
Result (3d array): 15 x 3 x 5
那如下的情形,就不能广播了
A (1d array): 3
B (1d array): 4 # trailing dimensions do not match
###############################################################
A (2d array): 2 x 1
B (3d array): 8 x 4 x 3 # second from last dimensions mismatched