np.add.at理解

np.add.at理解

原文链接：https://blog.csdn.net/qq_42698422/article/details/101062718
添加了一些容易理解的注释内容
先通俗说一下，就是 在指定的位置上 加上指定的值

import numpy as np
a=np.array([1,2,3,4])
np.add.at(a,[0,1,2,2],1)
print(a)
#输出，
#参数1：a 返回结果
#参数2：[0,1,2,2] 索引
#参数 3 ：1 按索引要加的值
#所以这里表示的是，在0的位置+1；在1的位置+1；在2的位置+1；在2的位置+1
[2 3 5 4]

第二个例子

a=np.array([1,2,3,4])
b=np.array([1,2])
np.add.at(a,[0,1],b) 
#从0和1的位置分别加1和2
print(a)
#输出[2 4 3 4]

第三个例子

x=([0,4,1],[3,2,4])
dW=np.zeros((5,6),int)
np.add.at(dW,x,1)
#分别在位置为第0行第3列；第4行第2列；第1行第4列的位置+1
dW
#输出
array([[0., 0., 0., 1., 0., 0.],
       [0., 0., 0., 0., 1., 0.],
       [0., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0.],
       [0., 0., 1., 0., 0., 0.]])

第四个例子

dW=np.zeros((5,6),int)
np.add.at(dW,[[[1],[2]],[2,4,4]],[1,2,3]) 
#在1,2位置+1 在1,4位置+2 在1,4位置+3     在2,1位置+1 在2,4位置+2  在2,4位置+3
dW
#输出
array([[0, 0, 0, 0, 0, 0],
       [0, 0, 1, 0, 5, 0],
       [0, 0, 1, 0, 5, 0],
       [0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0]])

dW=np.zeros((5,6),int)
np.add.at(dW,[[[1],[2]],[2,4,4]],[[1],[2]]) #1,2 +1; 1,4+1 1,4+1  2,2+2  2，4+2 2,4+2 
dW
#输出
array([[0, 0, 0, 0, 0, 0],
       [0, 0, 1, 0, 2, 0],
       [0, 0, 2, 0, 4, 0],
       [0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0]])

dW=np.zeros((5,6),int)
np.add.at(dW,[[[1],[2]],[2,4,4]],np.ones((2,3)))
#索引矩阵的和参数三的矩阵维度是一样的
#通俗的讲[[1],[2]] 索引的是np.ones的第一维度(行)  2行
#[2,4,4]索引的是np.ones的第二维度，列 3
#两个索引相结合确定的就是np.ones中的要加的值
dW
#输出
array([[0, 0, 0, 0, 0, 0],
       [0, 0, 1, 0, 2, 0],
       [0, 0, 2, 0, 4, 0],
       [0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0]])

#x   shape is(N,T)
#dW    shape is(V,D)
#dout  shape is(N,T,D)
np.add.at(dW,x,dout)
#类似如下过程
for row inr range(N)：
	for col in range(T):
		dW[x[row,col],:] +=dout[row,col,:]