numpy 除法时的broadcasting

import numpy as np

bbox_xywh = np.array([5,4,3,2])
strides = np.array([8, 16, 32])
bbox_xywh_scaled = 1.0 * bbox_xywh[np.newaxis, :] / strides[:, np.newaxis]
print('***************************')
print(bbox_xywh[np.newaxis, :])
print(strides[:,np.newaxis])
print('bbox_xywh[np.newaxis, :].shape=',bbox_xywh[np.newaxis, :].shape)
print('strides[:,np.newaxis].shape=',strides[:,np.newaxis].shape)
print(bbox_xywh_scaled.shape)
print(bbox_xywh_scaled)

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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