https://www.cnblogs.com/jiaxin359/p/9021726.html#_label1_0
基本内容如上文所述,不过他所说的有一处错误
数组维度相同,其中有个轴为1
这是错误的论断,看下面的例子
import numpy as np
a=np.array([[[1,2,3],[1,2,3]],[[1,2,3],[1,2,3]],[[1,2,3],[1,2,3]],[[1,2,3],[1,2,3]]])
b=np.array([[1],[2]])
print(a.shape)
print(b.shape)
print(a+b)
(4, 2, 3)
(2, 1)
[[[2 3 4]
[3 4 5]]
[[2 3 4]
[3 4 5]]
[[2 3 4]
[3 4 5]]
[[2 3 4]
[3 4 5]]]
可以看到,这两个张量一个是三维,一个是二维,却成功了,我们来探讨一下他是怎么广播的
a=np.array([[[1,2,3],[1,2,3]],[[1,2,3],[1,2,3]],[[1,2,3],[1,2,3]],[[1,2,3],[1,2,3]]])
b=np.array([[1],[2]])
c=np.array([[1,1,1],[2,2,2]])
print(a.shape)
print(b.shape)
print(c.shape)
print(a+b)
print((a+c))
print((a+b)==(a+c))
(4, 2, 3)
(2, 1)
(2, 3)
[[[2 3 4]
[3 4 5]]
[[2 3 4]
[3 4 5]]
[[2 3 4]
[3 4 5]]
[[2 3 4]
[3 4 5]]]
[[[2 3 4]
[3 4 5]]
[[2 3 4]
[3 4 5]]
[[2 3 4]
[3 4 5]]
[[2 3 4]
[3 4 5]]]
[[[ True True True]
[ True True True]]
[[ True True True]
[ True True True]]
[[ True True True]
[ True True True]]
[[ True True True]
[ True True True]]]
到这一步就很明显了,准确的形容应当是
两个张量运算,任何一个张量最后一维度是1即可,会在1维度上进行扩展,让他们两个的最后一个维度对齐,然后回到情况一再广播。情况一看链接即可,他说的没错。