NumPy expand_dims函数详解：维度扩展与广播机制实战

expand_dims函数应用场景与维度扩展原理

在数据处理和机器学习任务中，经常需要调整数组的维度以适配特定的计算需求。

设定前提条件：假设数组A的形状为[4, 2]，数组B的形状为[5, 2]。

我们的目标是执行逐行减法操作，即让A中的每一行分别减去B中的所有行，这通常依赖于NumPy的广播（broadcast）机制来实现。

具体的实现方案如下所示。

A1 = np.expand_dims(A, -2) => A1的shape变为[4, 1, 2]

B1 = np.expand_dims(B, 0) => B1的shape变为[1, 5, 2]

A1 - B1

代码示例与轴插入操作解析

此外，还可以参考其他典型示例来加深理解。

wh = np.random.randint(1,3, size=(4,2))

np.expand_dims(wh, -2).shape

np.expand_dims(wh, 1).shape

该函数的核心功能之一是在倒数第二个轴之后（或者等价地说，在正数第一个轴之后）插入一个新的轴。

以上内容涵盖了基于NumPy中expand_dims函数的主要用法，希望能为读者提供有价值的参考，并欢迎大家继续支持相关技术分享。