numpy广播

（m,n)   +,-,*,/  (m,1)

先将（m,1)复制n次，构成(m,n)矩阵，然后再进行+，-，*，/运算

（m,n)   +,-,*,/  (1，n)

先将 (1，n)复制m次，构成(m,n)矩阵，然后再进行+，-，*，/运算

（m,1)  +,-,*,/   real(一个实数）

先将实数复制m次，构成（m,1) 矩阵，然后再进行+，-，*，/运算

（1，n) +,-,*,/   real(一个实数）

先将实数复制n次，构成（1，n)矩阵，然后再进行+，-，*，/运算

 

demo1

import numpy as np

A=np.array([[56.0,0.0,4.4,68.0],
[1.2,104.0,52.0,8.0],
[1.8,135.0,99.0,0.9]])
print(A)

# 每列求和

cal=A.sum(axis=0)  # axis=0:垂直方向（求和）

                               # axis=1:水平方向（求和）
print(cal)

 

percentage=100*A/cal.reshape(1,4)      # 这里，reshape（1，4）其实可以不必使用；但使用可以确保矩阵（向量）的维数是我们想要的大小

           # A是一个3*4的矩阵，而cal是一个1*4的矩阵，这里，用到了广播
print(percentage)

demo2

# logistic regression中，前向传播

z(i)=wT*x(i)+b

Z=wT*X+b    # b也是一个广播

转载于:https://www.cnblogs.com/ceceliahappycoding/p/8253086.html