问题标签 [array-broadcasting]

我有一个形状为 (1120,1472,4) 的图像，我正在尝试将其更改为 (3000, 3000, 4) 我编写的代码是这样的。

它生成

我试图了解如何使用dimshuffle将噪声广播到 4 维张量。例如，4 维张量具有(num_examples, 3, 32, 32)其中 3 对应于 32*32 图像的 r、g、b 分量的形状。我想添加高斯噪声，但是我想向所有三个分量（即 r、g、b）添加相同的噪声，并且对于每个示例，噪声将是一个随机的 32*32 矩阵。

所以我必须分别添加维度(num_examples, 3, 32, 32)和的两个张量(num_examples, 32, 32)。我还没有弄清楚如何dimshuffle在第二个张量上使用，以便它的最后两个维度变得可广播。

这个问题与 Overriding other __rmul__ with your class's __mul__中的问题很接近，但我的印象是，这是一个更普遍的问题，而不是数字数据。也没有回答，我真的不想使用矩阵乘法@进行此操作。因此，问题。

我确实有一个接受标量和数值数组乘法的对象。像往常一样，左乘法工作正常，因为它使用了myobj()方法，但在右乘法中，NumPy 使用广播规则并给出元素级结果dtype=object。

这也具有无法检查数组大小是否兼容的副作用。

因此，问题是

有没有办法强制 numpy 数组查找__rmul__()另一个对象的，而不是广播和执行元素__mul__()？

在我的特定情况下，对象是 MIMO（多输入、多输出）传递函数矩阵（或滤波器系数矩阵，如果您愿意），因此矩阵乘法在线性系统的加法和乘法方面具有特殊含义。因此，在每个条目中都有 SISO 系统。

使用这些定义，以下命令会显示不希望的行为。

如果我必须数组 X（X 有 n 行和 k 列）和 Y（Y 有 n 行和 q 列）我如何以向量形式将两者相乘，从而获得具有以下特征的数组 Z：

我有一个二维数组 x，每一行都有不同数量的 nan 值：

给定这个数组，对于每一行，我想计算前 25 个百分位数内所有值的平均值。我正在执行以下操作：

但这给出了错误的结果——特别是计数（np.nansum/np.nanmean）无论我选择什么百分位数都保持不变，因为比较在不正确的地方产生零，并被视为平均值的有效值。我不能简单地使用x[x>limit[:,None]]，因为它给出了一个 1D 数组，我需要一个 2D 结果。

我通过以下方式解决了它：

有更好的方法吗？

我正在尝试矢量化滑动窗口搜索以进行对象检测。到目前为止，我已经能够使用 numpy 广播将我的主图像切成窗口大小的切片，这些切片存储在all_windows下面看到的变量中。我已经验证了实际值是否匹配，所以我对此感到满意。

下一部分是我遇到麻烦的地方。我想在all_windows调用函数时对数组进行索引，patchCleanNPredict()以便可以以类似的矢量化格式将每个窗口传递给函数。

我试图创建一个名为 new_indx 的数组，该数组将包含二维数组中的切片索引，例如 ([0,0], [1,0], [2,0]...)，但遇到了问题。

我希望最终得到每个窗口的一系列置信度值。下面的代码适用于 python 3.5。提前感谢您的任何帮助/建议。

如果我做

我明白了TypeError: unsupported operand type(s) for -: 'list' and 'int'

但是，我有一个由 组成的列表b，np.float64并且以下代码有效：

我认为这是因为中的数字b是np.float64，并且b在某种程度上被转换为np.array，然后广播发生了。但我仍然发现这种行为令人惊讶：由于列表中的所有元素不需要具有相同的类型，如果b[0]是字符串怎么办？中的操作数 b - b[-1]仍然是listand np.float64，那么为什么b - b[-1]不提高 aTypeError呢？

编辑：有人回答说是不同的list；np.array嗯，我知道。但是b没有np.array. 它的行为就像一个，但它的类型是list，就像我在代码片段中所说的那样。

这是一个最小的工作示例b：

在大型代码库中，我np.broadcast_to用于广播数组（此处仅使用简单示例）：

在代码的其他地方，我使用了第三方函数，这些函数可以在 Numpy 数组上以矢量化方式运行，但不是 ufunc。这些函数不理解广播，这意味着在数组上调用这样的函数y是低效的。Numpy 之类的解决方案vectorize也不好，因为虽然它们理解广播，但它们for在数组元素上引入了一个循环，这样效率非常低。

理想情况下，我想做的是有一个函数，我们可以调用 eg unbroadcast，它返回一个具有最小形状的数组，如果需要，可以广播回全尺寸。所以例如：

然后我可以在 上运行第三方功能z，然后将结果广播回y.shape.

有没有办法实现unbroadcast依赖于 Numpy 的公共 API？如果没有，是否有任何黑客可以产生预期的结果？

我最近在使用 numpy 进行广播时遇到了以下问题。

虽然我意识到这是根据https://docs.scipy.org/doc/numpy/user/basics.broadcasting.html的规则，但它似乎与人们所期望的相反——结果是(100,1) 向量。

我只是想知道 - 这种行为是否有充分的理由（即这是可取的行为） - 或者它只是定义广播规则的方式的副产品。

假设我有一个 5 维矩阵v，现在我想要一个新的矩阵来D实现

我如何在 numpy 中优雅地做到这一点？