numpy广播

import numpy as np a = np.array([1,2,3,4]) b = np.array([10,20,30,40]) c = a * b print (c)

输出结果为：

1

[ 10  40  90 160]

当运算中的 2 个数组的形状不同时，numpy 将自动触发广播机制。如：

1
2
3

import numpy as np    
a = np.array([[ 0, 0, 0],            [10,10,10],            [20,20,20],            [30,30,30]]) 
b = np.array([1,2,3]) print(a + b)

输出结果为：

1
2
3
4

[[ 1  2  3]
 [11 12 13]
 [21 22 23]
 [31 32 33]]

下面的图片展示了数组 b 如何通过广播来与数组 a 兼容。

4x3 的二维数组与长为 3 的一维数组相加，等效于把数组 b 在二维上重复 4 次再运算。

在few-shot gnn任务中，想要计算邻接矩阵A，其公式为：a_ij = fc(v_i-v_j)
那么问题来了得到的邻接矩阵是N×N的，则计算的差值矩阵也应该是N×N的。那么该如何高效的计算出来这个差值矩阵。

import numpy as np
N = 10
D = 7
X = np.ones((N,D))
X1 = np.expand_dims(X, axis=0)
X2 = np.expand_dims(X, axis=1)
X_abs = np.abs(X1-X2)
X_abs = np.reshape(X_abs, (N,N,D))
X_T = X_abs 

?????????????????需要考虑一下这个转置问题