numpy數組減法會創建具有不同維度的矩陣。 如何糾正呢？

Question

我正在嘗試使用Python創建一個簡單的神經網絡（我知道有圖書館，但是我正在從頭開始構建一個簡單的神經網絡，以更加熟悉所采取的每一步），其中一部分是計算真實之間的差異。標簽和預測標簽。

我在<2059 x 1>中具有真實標簽，在<2059 x 1>中也具有預測標簽

兩者都在np.array中

我希望一個簡單的

l2_error=tag_train-l2

會做的工作。 （l2是預測的標簽，tag_train是真實的標簽）

但是我得到的是一個<2059x2059>矩陣。 似乎此操作正在減去所有可能的元素組合。 為什么會這樣？ 我知道我可能可以運行for循環來完成工作，因為我想知道為什么程序會產生此結果？

兩個dtypes均為float64，btw。 我認為這並不重要，但以防萬一需要此信息。

Answer 1

正如您在評論中指出的那樣，發生的事情是tag_train是一個長度為2059的一維數組，而l2應該是一個具有2059行和1列的二維數組。

因此，當您嘗試進行減法運算時，將導致二維數組包含2059行和2059列。

如果您100％確定l2僅是一列，則可以在進行減法之前重新調整該數組的形狀以使其成為一維。 喜歡 -

l2.reshape((l2.shape[0],))

---

示例/演示-

In [1]: import numpy as np

In [2]: l1 = np.array([1,2,3,4])

In [3]: l2 = np.array([[5],[6],[7],[8]])

In [7]: l2.shape
Out[7]: (4, 1)

In [8]: l2-l1
Out[8]:
array([[4, 3, 2, 1],                 #Just to show that you get the behaviour when arrays are in 
       [5, 4, 3, 2],                 #different dimensions.
       [6, 5, 4, 3],
       [7, 6, 5, 4]])

In [19]: l2 = l2.reshape((l2.shape[0],))

In [25]: l2 = l2.reshape((l2.shape[0],))

In [26]: l2-l1
Out[26]: array([4, 4, 4, 4])