5. NumPy使用（下）

1. 通用的broadcasting准则

broadcasting的前提是运算是通过element-wise的运算

• 从尾部开始依次比较维度
• 是否相等
• 是否其中一个维度为1
• 依次进行比较，如果相等则跳过，如果不相等并且其中一个为1则可以进行broadcasting

例子：

# 可以进行broadcasting的例子
#一个图片的大小为： 2*2
# 乘以一个scalar  1*1 结果为2*2
a = np.arange(2*2).reshape(2,2)
b = a * 2
print(a) # [[0, 2], [4, 6]]
a (2,3)
b (3)

#不可以进行broadcasting的例子
a (2,3)
b (3,4)

#那怎么进行broadcasting呢
a = np.arange(3).reshape(3, 1) # [[0], [1], [2]] shape = [3, 1]
b = np.ones(2)    # [1, 1] shape = (2)
a + b  
# 则 a broadcasting行，b broadcating列，如下
a --> shape = (3,2)  b ---> shape = (3, 2)
a = [[0, 0],[1, 1],[2, 2]]
b = [[1, 1],[1, 1],[1, 1]]
所以a + b等于
[[1 , 1], [2, 2], [3, 3 ]]