我试图找出一种很好的方法来执行以下加法操作，而无需使用np.repeat创建较大的尺寸。如果使用np.repeat和添加是最好的解决方案，请告诉我。
对于这种情况下的广播，我也感到困惑。本质上，我有一个4d矩阵，我想在第一个索引和第二个索引中添加一个2d矩阵，同时在索引0和索引3上执行此操作。
这可以正常工作
a = np.arange(64).reshape((2,4,4,2)).astype(float)
b = np.ones((2,2))
a[:, 0:2, 0:2, : ] += b
这将引发错误。什么是这样做的好方法？
a[:, 0:3, 0:3, :] += np.ones((3,3))
这有效，但不是我想要做的
c = np.arange(144).reshape(3,4,4,3).astype(float)
c[:, 0:3, 0:3, :] += np.ones((3,3))
您可以从一开始就包含一个空轴：
a[:, 0:3, 0:3, :] += np.ones((3,3,1)) # 1 broadcasts against any axis
类似的，您应该使用过：
a[:, 0:2, 0:2, : ] += np.ones((2,2,1))
因为您（可能是无意间）将这些广播到了第三轴和第四轴。我想您想让它广播到第二和第三，对吗？
另外，您始终可以使用np.expand_dims和添加尺寸axis=-1：
>>> np.expand_dims(np.ones((2, 2)), axis=-1).shape
(2, 2, 1)
或者用切片None或np.newaxis（它们是等效的！）：
>>> np.ones((2, 2))[None, :, :, np.newaxis].shape
(1, 2, 2, 1)
None对于正确的广播，第一个不是必需的，但最后一个是！
在这种情况下，重要的是要提到从最后一个维度开始的numpy广播。因此，如果您有两个数组，则从最后一个数组开始的每个维度必须具有相同的形状，或者其中之一必须为1（如果一个数组为1，则它将沿该轴广播！）。这就是为什么a[:, 0:2, 0:2, : ]工作：
>>> a[:, 0:2, 0:2, : ].shape
(2, 2, 2, 2)
>>> b.shape
(2, 2)
因此，最后一个维度相等（均为2），倒数第二个维度相等（均为2）。但是有：
>>> np.ones((2,2,1)).shape
(2, 2, 1)
最后一个是2，1因此np.ones((2,2,1))当的第二个和第三个维度相等时（全部2），广播的最后一个轴，因此numpy在其中使用逐元素运算。
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句