针对多维情况,需要保证维度一致性,举个栗子:
需要对保证除需广播的维度以外其余所有维度均相等即可
举个栗子
import tensorflow as tf
a = tf.random_normal([1,2,3])
b = tf.random_normal([1,2])
d = a*b
with tf.Session() as sess:
print(sess.run(d))
当代码段如上时,报错维度不一致
原因,虽然a和b的前两个维度一致,但b缺少了第3个维度,无法广播
再来看正确的广播方式
import tensorflow as tf
a = tf.random_normal([1,2,3])
b = tf.random_normal([1,2])
c = b[...,tf.newaxis]
e = a*c
with tf.Session() as sess:
print(sess.run(e))
成功输出结果
这里是因为c增加了第三个维度,使得只有在广播的维度(第三维度)上二者不同,因此可以成功应用广播。