1.什么是数组广播：

首先介绍Numpy中广播的特性，如以下代码：

x = np.array([[133, 160],
              [160, 172],
              [152, 70],
              [120, 60]])
y = np.array([[1, 0]])
y = y + x

在上述代码中x时4*2的矩阵，y是1*2的矩阵。

在数学上x和y是不能想加的，但是在Numpy中，为了计算方便，加入了广播特性，即将此处y向下扩充为与x行列数相等，等同于以下代码：

x = np.array([[133, 160],
              [160, 172],
              [152, 70],
              [120, 60]])
y = np.array([[1, 0],
              [1, 0],
              [1, 0],
              [1, 0]])
y = y + x

上面俩代码计算结果相同，打印为：

[[134 160]

[161 172]

[153 70]

[121 60]]

这就是广播特性，在对大样本线性运算（wx+b），对所有样本加相同的b值时，效果显著。

2.+=不支持广播特性

今天上午手撸神经网络的时候，在计算梯度下降时有这么一串代码

self.w -= self.d_w * alpha
self.b -= self.d_b * alpha
self.x -= self.d_x * alpha
self.z -= self.d_z * alpha
self.a -= self.d_a * alpha

其中x, b, w, z, a与d_w, d_b, d_x, d_a, d_z都是numpy类型矩阵

b的维度是1*2，d_b的维度是4*2。

按照前文描述，这里应该可以算出一个4*2的矩阵，但结果报错了！

self.b -= self.d_b * alpha

ValueError: non-broadcastable output operand with shape (1,2) doesn't match the broadcast shape (4,2)

意思为在第二行中，两个矩阵行列数不匹配，不能进行广播运算，这不奇怪了吗？

翻阅CSDN无果，就瞎倒腾。最终发现，将-=改为普通的赋值操作即可完成任务...

是不是说，numpy不支持-=的广播操作呢？

马上实验！

• 使用赋值操作符

    x = np.array([[133, 160],
                  [160, 172],
                  [152, 70],
                  [120, 60]])
    y = np.array([[1, 0]])
    y = y + x  # 不报错
    print(y)

正常打印：

[[134 160]

[161 172]

[153 70]

[121 60]]

• 使用自加操作符：

    x = np.array([[133, 160],
                  [160, 172],
                  [152, 70],
                  [120, 60]])
    y = np.array([[1, 0]])
    y += x  # 报错
    print(y)

ValueError: non-broadcastable output operand with shape (1,2) doesn't match the broadcast shape (4,2)

果然！

所以说，大家以后能不用自加还是不要用吧...不少几个字

第一次创作，厚脸皮问大家讨赞了...🙇