向张量添加维度并沿新轴重复值答案

【问题标题】：Add dimensions to a tensor and duplicate values along the new axes向张量添加维度并沿新轴重复值
【发布时间】：2019-08-15 18:59:53
【问题描述】：

假设我有一个带有

的 2D ndarray X

X.shape == (m, n)

我想在 X 中再添加两个维度，同时沿这些新轴复制值。即我想要

new_X.shape == (m, n, k, l)

对于所有的 i,j

new_X[i, j, :, :] = X[i, j]

实现这一目标的最佳方法是什么？

【问题讨论】：

标签： python numpy multidimensional-array array-broadcasting

【解决方案1】：

您可以使用np.broadcast_to 简单地获得张量视图 -

np.broadcast_to(a[...,None,None],a.shape+(k,l)) # a is input array

这样做的好处是没有额外的内存开销，因此几乎可以腾出时间。

如果您需要具有自己的内存空间的数组输出，请附加.copy()。

示例运行 -

In [9]: a =  np.random.rand(2,3)

In [10]: k,l = 4,5

In [11]: np.broadcast_to(a[...,None,None],a.shape+(k,l)).shape
Out[11]: (2, 3, 4, 5)

# Verify memory space sharing
In [12]: np.shares_memory(a,np.broadcast_to(a[...,None,None],a.shape+(k,l)))
Out[12]: True

# Verify virtually free runtime
In [17]: a =  np.random.rand(100,100)
    ...: k,l = 100,100
    ...: %timeit np.broadcast_to(a[...,None,None],a.shape+(k,l))
100000 loops, best of 3: 3.41 µs per loop

【讨论】：

正是我需要的，谢谢你的详细回答