为什么我在尝试转换 np.array(some_list) ValueError: could not broadcast input array 时出错答案

【问题标题】：Why do I get error trying to cast np.array(some_list) ValueError: could not broadcast input array为什么我在尝试转换 np.array(some_list) ValueError: could not broadcast input array 时出错
【发布时间】：2015-01-09 05:14:59
【问题描述】：

我正在尝试创建不同形状的 np.array 的 np.array。我需要它，因为在下一部分中，我将总结这个大型 np.array 和一些具有相同形状的 delta_array。像矩阵求和 self.weights += delta_weights 我也将分别处理其中的每个数组。或者例如，我需要将所有数组元素乘以某个数字。

无法弄清楚出了什么问题:(请帮帮我。代码创建不同形状的随机 np.arrays 列表。所以这是我的代码：

weights = []
for i in range(1, len(self.layers)):
    weights.append(np.random.rand(self.layers[i-1] + 1, self.layers[i]))
print(type(weights))
print([(type(w), w.shape) for w in weights])
#error here with layers = [2,2,1] or [3,3,1] etc
self.weights = np.array(weights)

输出：对于 self.layers=[2, 2, 1]

<class 'list'>
[(<class 'numpy.ndarray'>, (3, 2)), (<class 'numpy.ndarray'>, (3, 1))]
Traceback (most recent call last):
line 20, in <module>
 run()
line 8, in run
 net.init_weights()
line 71, in init_weights
 self.weights = np.array(weights)
ValueError: could not broadcast input array from shape (3,2) into shape (3)

对于 [2, 3, 1] 一切正常：

<class 'list'>
[(<class 'numpy.ndarray'>, (3, 3)), (<class 'numpy.ndarray'>, (4, 1))]

对于 [3, 3, 1] 与 [2, 2, 1] 的故事相同 - 错误

对于 [3, 7, 1] 或 [3, 2, 1] 一切正常。

//这是机器学习梯度下降的权重矩阵。

【问题讨论】：

np.hstack 有帮助吗？
@Evert 否。它会在 layers=[3, 2, 1] 上失败，即使它有效，我也无法在没有额外代码的情况下迭代数组
我刚刚在 Python3 中使用 1.8.2 numpy 进行了尝试，[2,2,1] 工作正常。
您的numpy 版本是什么？
@hpaulj 1.9.0 cs624829.vk.me/v624829429/88ed/hqbhQlrTdaM.jpg

标签： python arrays python-3.x numpy multidimensional-array

【解决方案1】：

好的，您正在尝试创建一个矩阵数组，以便稍后可以使用数组操作（如+=）。

您可以声明一个ndarray 来保存另一个ndarray，然后用矩阵（简单的二维ndarray）填充它：

weights = np.empty(len(self.layers), dtype=np.ndarray)
for i in range(1, len(self.layers)):
    weights[i] = np.random.rand(self.layers[i-1] + 1, self.layers[i])

请记住，这绝对不是一个三维数组：它纯粹是一个二维数组的数组。

您的代码适用于[2, 3, 1] 的原因是广播了一维为 1 的数组；据我了解，这纯属偶然，不是您想要的。

【讨论】：

【解决方案2】：

当您给np.array 一个数组列表时，它会尝试将它们组合成一个数组（具有更高的ndim）。只有当它不能组合它们时，它才会创建一个 dtype object 的数组，每个插槽中有一个数组。

在[2,3,1] 的情况下，两个数组是(3,3) 和(4,1)。由于无法“堆叠”这些，它会创建一个包含这些 2 的 2 元素数组。

在[3,3,1] 的情况下，两个数组是(4,3) 和(4,1)。由于维度重叠（4 行），它似乎试图将它们加入一个数组，可能是(2,4,?)，但并不十分成功。在您的版本中，它会引发错误，在我的版本中，它会创建一个 (2,4) 无数组。

Evert 的解决方案是一种通用解决方案，可以正确处理这些令人困惑的情况。即使weights 中的 2 个数组大小相同，它也可以工作。

例如，如果您的 weights 包含 2 个 (4,3) 数组。 np.arrays(weights) 将产生一个 (2,4,3) 数组。 Evert 的解决方案仍然会生成一个包含 2 个 (4,3) 数组的 (2,) 数组。

看起来在不同的numpy 版本中存在一个（或两个）错误。带有 1.8.0 numpy 的 Python3 可以很好地处理 [2,2,1] 的情况。

一个更简单的测试用例是：

np.array([np.ones((2,2)), np.zeros((2,1))])

玩弄 2 个数组的维度。在大多数情况下，它应该生成一个 2 元素数组，如果 2 维相同，则生成一个 (2,n,m) 数组。

【讨论】：