在 tensorflow 和numpy 中矩阵的加法
Am×n×..×km \times n \times ..\times km×n×..×k 和B1×k1\times k1×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]]]
Am×n×..×p×km \times n \times ..\times p\times km×n×..×p×k 和Bp×kp\times kp×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]]]
A2×3×42 \times 3\times 42×3×4 和B2×1×42 \times 1\times 42×1×4 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]]]
在 tensorflow 和numpy 中矩阵的加法相关推荐
- numpy中矩阵的转置_NumPy矩阵transpose()-Python中数组的转置
numpy中矩阵的转置 The transpose of a matrix is obtained by moving the rows data to the column and columns ...
- TensorFlow、Numpy中的axis的理解
TensorFlow中有很多函数涉及到axis,比如tf.reduce_mean(),其函数原型如下: def reduce_mean(input_tensor,axis=None,keepdims= ...
- python3 numpy中矩阵np.dot(a,b)乘法运算
python np.dot(a,b)乘法运算 首先我们知道矩阵运算是不满足交换律的,np.dot(a, b)与np.dot(b, a)是不一样的 另外np.dot(a,b)和a.dot(b)果是一样的 ...
- Numpy中矩阵向量乘法np.dot()及np.multiply()以及*区别
Numpy中的矩阵向量乘法分别是np.dot(a,b).np.multiply(a,b) 以及*,刚开始接触的时候比较模糊,于是自己整理了一下.先来介绍理论,然后再结合例子深入了解一下. 数组 矩阵 ...
- Numpy中矩阵对象
numpy模块中的矩阵对象为numpy.matrix,包括矩阵数据的处理,矩阵的计算,以及基本的统计功能,转置,可逆性等等,包括对复数的处理,均在matrix对象中. class numpy.matr ...
- numpy中矩阵的点乘和叉乘
点乘:两个矩阵对应位置的元素相乘,且这两个矩阵行数列数相等 import numpy as np a=np.array([[1,2,3],[1,2,3],[1,2,3]]) b=np.array([[ ...
- numpy中的矩阵与数学上的矩阵的关系
➤00 矢量.矩阵 在数学上,矢量和矩阵之间具有很强的联系.矢量可以看成行数.或者列数为1的矩阵.所以它可以被分成行矢量,或者列矢量. 下面分别表示了一个行矢量和一个列矢量. xˉ=[x1,x2,x3 ...
- numpy中向量和矩阵相关乘法总结
numpy中矩阵相关乘法总结 一.numpy中向量和矩阵的概念 向量:1维 矩阵:至少是2维 注意:numpy中对于向量的定义与数学中对向量的定义有些不同,数学中对向量的定义是竖向写法,但由于nump ...
- python中tile的用法_Python:numpy中的tile函数
在学习机器学习实教程时,实现KNN算法的代码中用到了numpy的tile函数,因此对该函数进行了一番学习: tile函数位于python模块 numpy.lib.shape_base中,他的功能是重复 ...
最新文章
- 深入理解PHP原理之变量(Variables inside PHP)
- R语言可视化R原生plot函数与ggplot可视化结果组合、整合输出实战:原生R绘图plot函数可视化、ggplot2包可视化、R原生plot函数与ggplot可视化结果组合
- 使用JWT进行跨域身份验证
- MAC下MongoDB的安装启动及停止
- 微信开发系列之四 - 将SAP C4C的数据更改通知发送到微信公众号上
- ReSharper 2020.2 补丁
- 哈工程计算机学院培养方案,哈工程2012年硕士培养方案详解(计算机科学与技术学院).doc...
- oracle cost小 比较慢,Oracle数据库中有关CBO优化的三个问题
- 你计算机使用中间层服务器,k3中间层的配置及应用问题.doc
- nginx下目录浏览及其验证功能、版本隐藏等配置记录
- 零基础学python pdf-Python pdf(零基础入门学习Python)V1.0 最新版
- 表白神器(VBS编程)
- 2023年度深圳市中小试基地认定资助申请指南
- 压缩word文档大小的方法?
- 腾讯云开发者实验室是什么?如何学习其中的153个实验案例?
- C:\WINDOWS\system32\config\systemprofile\Desktop引用了一个不可用的位置
- java面试题集汇总
- 6. 【containerd】containerd已经停止,containerd-shim还存在?
- 每日小技巧,用python给喜欢的主播自动发弹幕
- appium调用了click函数的无反应
热门文章
- 为什么大多数人宁愿吃生活的苦,也不愿吃学习的苦?
- linux (ubuntu) 命令学习笔记
- nagios一键安装脚本
- GWT更改元素样式属性
- Html.DropDownListFor练习(2)
- cocos2d-x学习笔记 动作 CCCallFunc家族(回调函数包装器)
- 终于有人讲透了芯片是什么(电子行业人士必读)
- python获取图片的颜色信息
- PAT甲级1050 String Subtraction:[C++题解]字符串作差
- Linux 内核定时器使用 二 高精度定时器 hrtimer 的用例