使用np.repeat扩展数组形状时Jupyter内核崩溃求助

你确实误用了np.repeat函数，问题出在第二个参数b[1]：b[1]是形状为(1400,600)的数组，将其传给repeat时，NumPy会把它当作沿axis=1的每个元素需要重复的次数，这会导致生成的数组规模远超内存承载上限（计算下来元素量达到19201400600*600），直接引发Jupyter内核崩溃。

正确解决方法 #

方法1：用np.repeat传入重复次数

你需要沿axis=1重复1400次，直接传入整数1400即可：

import numpy as np

# 原始数组
a = np.random.rand(1920, 600)
# 新增axis=1维度，形状变为(1920,1,600)
a_expanded = a[:, np.newaxis, :]
# 沿axis=1重复1400次
a_repeated = np.repeat(a_expanded, 1400, axis=1)
# 结果形状为(1920,1400,600)，与b一致

方法2：用np.broadcast_to（内存友好）

如果只是需要让数组在计算时能和b广播匹配，不需要实际复制数据，优先用np.broadcast_to，它生成的是原数组的视图，不会占用额外内存：

a_broadcast = np.broadcast_to(a[:, np.newaxis, :], b.shape)

注意：该视图是只读的，若需要修改数据，改用其他方法。

方法3：用np.tile按块重复

tile按指定的块数重复数组，也能实现需求：

a_tiled = np.tile(a[:, np.newaxis, :], (1, 1400, 1))

内容的提问来源于stack exchange，提问作者MHGDRN