python扩充库之numpy-广播机制(broadcasting)

  • 什么是广播机制

广播是python用于科学计算的拓展库NumPy在对不同shape的array进行按位运算时,如果参与计算的数组shape不一样,会在一定规则的前提下,将较小的array“广播”成更大的、可以计算的array,否则则会报错。

比如:矩阵A1*n  +  b(标量)   ,在实际操作时会首先将 b 广播成 1*n 的vector  然后才进行 加 操作。广播类似一种在一定规则下会自动对原来数值进行维度上的扩充操作。 

  • 具体规则

通用规则:

当在两个数组上操作时,NumPy比较它们的每一个维度。它从后面的维度开始,然后向前推进。当出现如下情况:

1、他们是维度相同

2、他们当中有一个维度为1

就看作这两个维度是相容的。如果不满足上述条件的程序则会报错“ValueError: frames are not aligned。

当满足上述条件后:输出数组(计算后的结果)的维度是每一个维度的最大值,广播将值为1的维度进行“复制”、“拉伸”。

网络上的其他资源提到的规则:

 1、让所有输入数组都向其中shape最长的数组看齐,shape中不足的部分都通过在前面加1补齐
2、输出数组的shape是输入数组shape的各个轴上的最大值
3、如果输入数组的某个轴和输出数组的对应轴的长度相同或者其长度为1时,这个数组能够用来计算,否则出错
4、当输入数组的某个轴的长度为1时,沿着此轴运算时都用此轴上的第一组值
 

  • 实例展示

  1. NumPy操作通常在元素对元素的基础上对数组对执行。在最简单的情况下,两个数组的形状必须完全相同,如下例所示::
import numpy as np 

a = np.array([1,2,3])
b = np.array([2,2,2])
print(a,a.shape)
print(b,b.shape)
c =	a + b
print(c,c.shape)


######output
[1 2 3] (3,)
[2 2 2] (3,)
[3 4 5] (3,)
[Finished in 0.4s]

2.  当数组的形状满足一定的约束时,NumPy的广播规则会放松这种约束。最简单的广播示例发生在数组和标量值在操作中组合时。存在一种情况 数组a 为 1*3  ,b只为一个scalar(标量) 此时a+b操作 ,实现了先对b进行广播也即是变成[5,5,5]然后在进行求和操作。

import numpy as np 

a = np.array([1,2,3])
b =  5
print(a,a.shape)
c =	a + b
print(c,c.shape)

########output
[1 2 3] (3,)
[6 7 8] (3,)
[Finished in 0.4s]

官方参考文档给的实例如下:

在下面的例子中,A和B数组都有长度为1的轴(也就是上边提到的维度),在广播操作期间,这些轴被扩展到更大的尺寸

A      (4d array):  8 x 1 x 6 x 1
B      (3d array):      7 x 1 x 5
Result (4d array):  8 x 7 x 6 x 5
A      (2d array):  5 x 4
B      (1d array):      1
Result (2d array):  5 x 4

A      (2d array):  5 x 4
B      (1d array):      4
Result (2d array):  5 x 4

A      (3d array):  15 x 3 x 5
B      (3d array):  15 x 1 x 5
Result (3d array):  15 x 3 x 5

A      (3d array):  15 x 3 x 5
B      (2d array):       3 x 5
Result (3d array):  15 x 3 x 5

A      (3d array):  15 x 3 x 5
B      (2d array):       3 x 1
Result (3d array):  15 x 3 x 5

 出现如下情况则不符合广播规则:

A      (1d array):  3
B      (1d array):  4 # trailing dimensions do not match(尾部维度不匹配

A      (2d array):      2 x 1
B      (3d array):  8 x 4 x 3 # second from last dimensions mismatched(倒数第二维度不符合规则

笔者是在吴恩达机器学习了解到broadcasting机制,该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。

总结:有问题还是多看官方文档,这个是最好的选择~~~

参考:https://docs.scipy.org/doc/numpy-1.13.0/user/basics.broadcasting.html#general-broadcasting-rules

https://blog.csdn.net/xiang_freedom/article/details/77968164

由于个人能力有限,如有纰漏请私聊我~~

发布了46 篇原创文章 · 获赞 1 · 访问量 5742

猜你喜欢

转载自blog.csdn.net/Happy_Yu_Life/article/details/99705192
今日推荐