python中的广播机制

在Python中，广播机制是指针对两个不同形状的数组进行对应项的加、减、乘、除运算时，首先将数组调整为统一的形状，然后再进行运算。这种机制在Numpy、TensorFlow和PyTorch等库中都有应用。\[1\]

举个例子来阐述Python的广播机制。如果有一个形状为（3，4，5）的三维数组A和一个形状为（4，5）的二维数组B，由于A和B的后缘维度都为（4，5），所以可以进行广播机制。同理，如果A为（3，4）的二维数组，B为（4，）的一维数组，它们的后缘维度都是4，所以也可以进行广播。另外，如果A为（4，5）的三维数组，B为（4，1）的二维数组，两者维度相同，但其中一个维度的其中一方为1，也可以进行广播。\[2\]

下面是一个验证广播机制的小程序：

import numpy as np

a = np.array(\[\[1,2,3\],\[4,5,6\]\])  # 2*3
b = np.array(\[\[1\],\[3\]\])  # 2*1
c = a + b
print(c)

a = np.array(\[\[\[1,2\],\[2,3\],\[3,4\]\],\[\[2,3\],\[4,5\],\[7,8\]\]\])  # 2*3*2
b = np.array(\[\[6,6\],\[7,7\],\[8,8\]\])  # 3*2
c = a + b
print(c)
print(c.shape)

参考链接：\[https://www.cnblogs.com/jiaxin359/p/9021726.html\](https://www.cnblogs.com/jiaxin359/p/9021726.html) \[2\]

需要注意的是，当两个数组的形状无法满足广播机制的条件时，会抛出ValueError异常。例如，如果数组a的形状为（3，3），数组b的形状为（2，3），那么它们无法进行广播运算，会抛出异常。\[3\]
#### 引用[.reference_title]
- *1* *3* [【Python学习记录】Numpy广播机制(broadcast)](https://blog.csdn.net/xxm524/article/details/128210631)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item]
- *2* [python的广播机制（broadcasting)](https://blog.csdn.net/weixin_44319196/article/details/107871808)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item]
[ .reference_list ]