Numpy是否存在反向广播？能否用单函数实现对应降维求和？

你可以直接用np.sum()函数，一次性指定所有需要求和的轴，并通过keepdims=True保留单维度，就能一步得到和x1形状一致的结果。

具体代码如下：

import numpy as np
x0 = np.random.randn(7, 8, 9, 10, 11)
x1 = np.random.randn(9, 1, 11)
y = x0 + x1

# 一步完成求和
result = np.sum(y, axis=(0, 1, 3), keepdims=True)
print(result.shape == x1.shape)
# True

原理说明 #

• 广播时x1被扩展到y的形状，新增的维度是轴0（7）、轴1（8）、轴3（10），对这三个轴求和就能还原到x1的维度。
• axis=(0,1,3)一次性指定所有需要求和的轴，keepdims=True会保留求和后原本的单维度（比如轴3求和后保持为1，而非被挤压掉），最终形状就和x1完全一致。

内容的提问来源于stack exchange，提问作者Sam-gege