广播机制(numpy)

数组在进行矢量化运算时,通常会要求两个数组的形状是相等的,但是我们平时仍然难以避免出现两个形状不相等的数组进行矢量化运算的情况。这个时候这两个就会触发所谓的广播机制。广播机制通常出现在numpy和pytorch的使用中。这里,以numpy来举例,说明广播机制到底是如何运算的。

创建两个不同形状的数组

import numpy as np

arr1 = np.array([[0], [1], [2], [3]])

print(arr1.shape)

arr2 = np.array([1, 2, 3])

print(arr2.shape)

print(arr1+arr2)

这时我们可以通过.shape函数输出两个数组的形状。arr1输出(4, 1), arr2输出(3,)。也就是说arr1一是一个四行一列的数组,而arr2是一个一行三列的数组。

数组相加结果

 两数组相加输出结果如图所示

运算过程

如图所示,在这次运算中首先将两数组都扩展为四行三列的数组,而扩展方式则是复制。如arr1的扩展就是将原数组作为第一列内容,然后将第一列复制两次填入二三列,arr2则是将第一行数据复制三次后填入二三四行。之后的相加过程则就是常规的相加了。

广播机制触发条件

广播机制可以实现两个或以上的不同shape的数组的运算,而这些数组需要满足以下两个条件之一。

  • 数组的某一维度等长
  • 其中一个数组的某一维度为1

同时我们可以通过观察发现,广播机制的扩展方式是通过复制使运算中的数组的各维度都与最大的数组的shape相同。

  • 2
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
NumPy广播机制是一种用于在不同形状的数组之间进行元素级操作的机制。它允许具有不同形状的数组进行算术运算,而无需显式地扩展数组的形状。广播机制通过在缺失或大小为1的维度上扩展数组实现这一点,以使其具有兼容的形状。 广播机制遵循以下规则: 1. 如果两个数组的维度数量不同,则在维度较小的数组前面补1,直到两个数组的维度数量相同。 2. 如果两个数组在某个维度上的大小不同,并且其中一个数组在该维度上的大小为1,则可以沿着该维度进行广播。 3. 如果两个数组在某个维度上的大小不相等,并且两个数组在该维度上的大小都不为1,则无法进行广播,会引发错误。 以下是一个示例,展示了广播机制的应用: ```python import numpy as np a = np.array([[0, 0, 0], [10, 10, 10], [20, 20, 20], [30, 30, 30]]) b = np.array([1, 2, 3]) print(a * b) ``` 在这个例子中,数组`a`的形状是(4, 3),数组`b`的形状是(3,),但是它们可以进行乘法运算,因为在第二个维度上,数组`b`的大小为1,可以通过广播机制自动扩展为(4, 3)的形状,以与数组`a`相匹配。 输出结果为: ``` array([[ 0, 0, 0], [10, 20, 30], [20, 40, 60], [30, 60, 90]]) ``` 这是通过将数组`b`扩展为与数组`a`相同的形状,然后进行元素级乘法运算得到的结果。请注意,广播机制在进行运算时,并不实际复制数组的值,而是利用广播的原理进行计算,从而提高了效率。 总之,NumPy广播机制是一种非常强大的工具,可以方便地执行在不同形状的数组上进行元素级操作的任务。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值