Numpy中的Broadcasting机制

1、设计背景

不同矩阵做算数运算的时候，由于维度不同，需要进行维度扩展，但是维度扩展会造成计算效率降低，Numpy为了解决此问题，采用了虚拟维度扩展机制，既保证计算合理，又提升效率。
例如：

a = np.array([1.,2.,3.])
b = np.array([1.,1.,1.])
c = 1.
d = a + b
e = a + c
print("d:", d)
print("e:", d)

求解e的时候，理论上应该将c转换为[1.,1.,1.]，但是numpy实际并未转化，但是自动满足了计算要求。

2、原理

做算数运算的时候，Numpy自动检查前后两个变量的维度，决定是否可以进行算数运算。
检查方法：从后向前对两个向量的维度进行遍历，如果值相同或者其中一个值为1，则满足要求，否则不满足，直到至少一个变量的维度遍历结束。
例1：A 的shape为[2,3,5]，B的shape为[1,5]，最后一维都是5，满足要求，倒数第二维有一个为1，满足要求，B结束，满足要求。
例1：C 的shape为[2,2,5]，D的shape为[5,5]，最后一维都是5，满足要求，倒数第二维一个为2，一个为5，不满足要求，抛出维度错误。
结果维度：检查过程中，相应维度取最大值，在其中一个遍历结束时候，复制另一个变量的剩余维度。那么，上例的结果维度是[2,3,5]。
结果内容：

3、引用文章

https://docs.scipy.org/doc/numpy/user/basics.broadcasting.html
https://numpy.org/devdocs/user/theory.broadcasting.html