Python中的广播机制

广播机制

    在python中使用numpy进行按位运算的时候，有一个小技巧可以帮助减少代码量——那就是broadcasting（广播机制）。
    简单来说，broadcasting可以这样理解：如果你有一个（m,n）的矩阵，让它加减乘除一个（1，n）的矩阵，它会被复制m次，成为一个（m，n）的矩阵，然后再逐元素地进行加减乘除操作。同样地对（m，1）的矩阵成立。

例子

1.输入：

A = numpy.array([1,2,3])
result = A + 100
print(result)

得到结果：

[101 102 103]

2.输入：

A = np.array([[1,2,3],[4,5,6]])
result = A + [100, 200, 300]
print(result)

输出：

[[101 202 303]
 [104 205 306]]

3.输入：

a = np.random.randn(3, 3)
b = np.random.randn(3, 1)
c = a * b
print(c.shape)

输出：
b会被复制三次，就会变成(3,3)，再使用元素乘法。所以： c.shape = (3, 3).

总结

    broadcasting机制在深度学习函数构建中应用得很广，比如说我们在逻辑回归函数中，激活函数z = wT * X + b, b是一个数而前面的wT * X是一个1*n的矩阵，由于python这种机制，不需要我们为b构建向量，这就减轻了代码量。

参考链接

https://www.jianshu.com/p/fadd169cd396