Python Broadcast机制

最近在用numpy的时候，里面的矩阵和向量之间各种乘法加法搞的我头昏脑胀，整理下总结出来的规则

首先说明array型数据结构有两种类型，一种是一维的向量，比如用np.linspace(1,2,num=2)创建出的对象，shape为(2,)；另外一种就是多维的矩阵，如np.zeros(1,2)创建出的对象，其shape为(1,2)，这两种类型是不一样的。

一、矩阵之间的矩阵乘法

不必多说，就是按照正常的矩阵乘法规则来做
(N,M) (M,P) = (N,P)

二、矩阵之间按元素相乘、相加

这里开始就涉及到广播(broadcast)的问题了。
其实也比较简单，两个矩阵broadcast后的结果每一维都是两个矩阵中最大的。

但broadcast必须满足两个规则，即要么相对应的维数相等，要么其中有一个矩阵的维数是1。
那么问题来了，哪两个维度是相对应的维数呢？规则就是将矩阵的shape写出来，然后按右对齐逐维对比。

通过以上方法，可以得出两矩阵broadcast结果的维数，而最后结果的计算方法就是先将两个矩阵都broadcast到结果的维数，然后再按照相同维度的矩阵对应元素相乘、相加。例子如下

A      (4d array):  8 x 1 x 6 x 1
B      (3d <