numpy不同阶数张量相加问题(broadcast)

最新推荐文章于 2024-05-05 23:45:16 发布

inCorning

最新推荐文章于 2024-05-05 23:45:16 发布

阅读量646

点赞数

CC 4.0 BY-SA版权

分类专栏： math Python ML

原文链接：https://zhuanlan.zhihu.com/p/28313284

Python 同时被 3 个专栏收录

82 篇文章

订阅专栏

21 篇文章

订阅专栏

math

11 篇文章

订阅专栏

本文介绍了如何对不同阶数的张量进行有效相加，特别是1阶张量（向量）与高阶张量之间的运算。通过实例展示了numpy库中多维数组的加法操作，用于数据去中心化等实际问题。同时，对比了numpy数组加法与python列表合并的区别，强调了理解张量加法在数据处理中的重要性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

设有 [公式] 阶张量 , 阶张量。如果和的最后个维度相等。且其中一个张量,不妨设为 ,的前个都等于1或者。则这两个张量可以进行有效的相加。就好比一个低阶的张量加到高阶的张量的每个元素上去。

最典型的有样本数据的去中心化操作， [公式] 。是数据向量(1阶张量),而则是标量(0阶张量)，是一个更高阶张量的每个元素减去低阶张量的操作，而每个元素需要与低阶张量有相同的形状(shape)。而最终相加后的到的张量的阶数是相对高阶张量的阶数。

例子：

import numpy as np

2阶张量+3阶张量

x = np.array([[1,2],
              [3,4],
              [5,6],
              [7,8]]) # (4,2), 2阶张量
y = np.array([[[2,1]]]) # (1,1,2), 3阶张量
x + y # (1,4,2), 3阶张量

3阶张量+2阶张量

x = np.array([[[1,2],
               [3,4]],
              [[5,6],
               [7,8]]]) # (2,2,2), 三阶张量
y = np.array([[2,1],
              [2,1]]) # (2,2),  2阶张量
x+y # (2,2,2), 3阶张量

对于一般的数据表+字段记录来看，以下两个加法操作是等价的：

x = np.array([[1,2],
              [3,4],
              [5,6],
              [7,8]]) # (4,2), 2阶张量
# 第一个加法操作:数据表x+矩阵(2阶张量)表示的一条记录
y = np.array([[2,1]]) # (1,2), 2阶张量,第一个维度必须为1
x + y # (4,2),2阶张量