在 tensorflow 和numpy 中矩阵的加法

A_{$m\times n\times ..\times k$} 和B_{$1\times k$} 矩阵相加

相当于在最后一个维度上map 依次相加A[-s:] for s in rang(k)

import numpy as np a=np.array(range(3*4)).reshape([3,4]) b=np.array([0.2]*4)print('a.shape=',a.shape) print('b.shape=',b.shape)print(a+b)print('-'*20+'我是分割线'+'-'*20) a=np.array(range(2*3*4)).reshape([2,3,4]) b=np.array([0.2]*4)print('a.shape=',a.shape) print('b.shape=',b.shape)print(a+b)

输出

a.shape= (3, 4) b.shape= (1, 4) [[ 0.2 1.2 2.2 3.2][ 4.2 5.2 6.2 7.2][ 8.2 9.2 10.2 11.2]] --------------------我是分割线-------------------- a.shape= (2, 3, 4) b.shape= (1, 4) [[[ 0.2 1.2 2.2 3.2][ 4.2 5.2 6.2 7.2][ 8.2 9.2 10.2 11.2]][[12.2 13.2 14.2 15.2][16.2 17.2 18.2 19.2][20.2 21.2 22.2 23.2]]]

A_{$m\times n\times ..\times p\times k$} 和B_{$p\times k$} 矩阵相加

相当于在最后两个维度的分块加上B,A[-s:] for s in rang(p*k)

a=np.array(range(2*3*4)).reshape([2,3,4]) b=np.array(range(3*4)).reshape([3,4])*0.1print('a.shape=',a.shape) print('b.shape=',b.shape) print(a+b) a.shape= (2, 3, 4) b.shape= (3, 4) [[[ 0. 1.1 2.2 3.3][ 4.4 5.5 6.6 7.7][ 8.8 9.9 11. 12.1]][[12. 13.1 14.2 15.3][16.4 17.5 18.6 19.7][20.8 21.9 23. 24.1]]]

A_{$2\times 3\times 4$} 和B_{$2\times 1\times 4$} 矩阵相加

c[0]=a[0]+b[0],c[1]=a[1]+b[1]

a=np.array(range(2*3*4)).reshape([2,3,4]) b=np.array([[[9,9,9,9]],[[2,3,5,9]]]) c=a+b print('a.shape=',a.shape) print('b.shape=',b.shape)print(c) a.shape= (2, 3, 4) b.shape= (2, 1, 4) [[[ 9 10 11 12][13 14 15 16][17 18 19 20]][[14 16 19 24][18 20 23 28][22 24 27 32]]]

总结

以上是生活随笔为你收集整理的在 tensorflow 和numpy 中矩阵的加法的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。