PyTorch/Numpy维度运算：为何[n] + [n, 1]的输出维度为[n, n]？

1. 示例输出(2,2)维度的原因 #

你遇到的是两类框架通用的**广播（Broadcasting）**机制，我们结合你的代码片段逐一拆解：

import numpy as np
x = np.arange(2)     # shape (2,) 1维数组
y = x.reshape(-1, 1) # shape (2, 1) 2维数组
z = y + x

做元素级加法前，框架会先自动对齐两个数组的维度：

1. 首先对齐维度数量：维度更少的x会在最左侧补1个长度为1的维度，临时shape变为(1, 2)
2. 从最右侧开始逐维度比对长度：
   • 最右侧维度：y的长度是1，x的长度是2，长度为1的维度会自动扩展到和另一数组同维度长度一致，y临时shape变为(2, 2)
   • 左侧维度：x的长度是1，y的长度是2，x的该维度自动扩展到2，临时shape变为(2, 2)
     两个数组对齐后shape完全一致，逐元素相加的结果自然就是(2, 2)。

2. 通用维度预判规则 #

Numpy和PyTorch的元素级运算（加减乘除、比较运算、逐元素函数等）都遵循完全相同的广播规则，你可以按照下面的固定逻辑预判结果维度：

• 第一步：对齐维度数量，给维度更少的数组最左侧补长度为1的维度，直到两个数组维度数相同
• 第二步：从最右侧开始逐位比对维度长度：
  • 两个维度长度相等：校验通过，继续比对左侧维度
  • 其中一个维度长度为1：该维度会自动扩展到和另一数组同位置维度长度一致，校验通过，继续比对左侧维度
  • 两个维度长度均不为1且不相等：直接抛出维度不匹配报错
• 所有维度校验通过后，结果数组的每个维度长度取两个输入数组对应维度的最大值

注：广播是逻辑层面的维度扩展，不会真的复制数组数据，不会产生额外的内存占用。

内容的提问来源于stack exchange，提问作者ikamen