python中的广播机制(broadcasting)

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。