numpy中的以下操作是什么意思？
What is the meaning of the following operation in numpy?
我正在挖掘一段 numpy 代码，有一行我根本不明白：
W[:, :, None] * h[None, :, :] * diff[:, None, :]
其中 W、h 和 diff 是 784x20、20x100 和 784x100 矩阵。乘法结果是 784x20x100 数组，但我不知道这个计算实际上做了什么，结果的含义是什么。
值得一提的是，该行来自机器学习相关代码，W对应神经网络层的权重数组，h 是层激活，diff 是网络目标和假设之间的差异（来自 Sida Wang's thesis 关于转换自动编码器）。
对于 NumPy 数组，* 对应于逐元素乘法。为了使其工作，两个数组必须是：
- 形状相同
- 这样一个数组可以 broadcast 到另一个
如果在配对每个数组的尾随维度时，每对中的长度相等或其中一个长度为 1，则一个数组可以广播到另一个数组。
例如，以下数组 A 和 B 具有适合广播的形状：
A.shape == (20, 1, 3)
B.shape == (4, 3)
(3 等于 3 然后 A 中的下一个长度是 1 可以与任何长度配对。没关系B 的维度小于 A。）
要使两个不兼容的数组可以相互广播，可以将额外的维度插入一个或两个数组中。使用 None 或 np.newaxis 索引维度会将长度为 1 的额外维度插入到数组中。
我们来看问题中的例子。 Python 从左到右计算重复的乘法：
W[:, :, None] 的形状为 (784, 20, 1)h[None, :, :] 的形状为 ( 1, 20, 100)
根据上面的解释和乘法 returns 具有形状 (784, 20, 100).
的数组，这些形状是可广播的
- 最后一次乘法的数组形状，
(784, 20, 100)
diff[:, None, :] 的形状为 (784, 1, 100)
这两个数组的这些形状是兼容的，因此第二次乘法成功。返回一个形状为 (784, 20, 100) 的数组。
我正在挖掘一段 numpy 代码，有一行我根本不明白：
W[:, :, None] * h[None, :, :] * diff[:, None, :]
其中 W、h 和 diff 是 784x20、20x100 和 784x100 矩阵。乘法结果是 784x20x100 数组，但我不知道这个计算实际上做了什么，结果的含义是什么。
值得一提的是，该行来自机器学习相关代码，W对应神经网络层的权重数组，h 是层激活，diff 是网络目标和假设之间的差异（来自 Sida Wang's thesis 关于转换自动编码器）。
对于 NumPy 数组，* 对应于逐元素乘法。为了使其工作，两个数组必须是：
- 形状相同
- 这样一个数组可以 broadcast 到另一个
如果在配对每个数组的尾随维度时，每对中的长度相等或其中一个长度为 1，则一个数组可以广播到另一个数组。
例如，以下数组 A 和 B 具有适合广播的形状：
A.shape == (20, 1, 3)
B.shape == (4, 3)
(3 等于 3 然后 A 中的下一个长度是 1 可以与任何长度配对。没关系B 的维度小于 A。）
要使两个不兼容的数组可以相互广播，可以将额外的维度插入一个或两个数组中。使用 None 或 np.newaxis 索引维度会将长度为 1 的额外维度插入到数组中。
我们来看问题中的例子。 Python 从左到右计算重复的乘法：
W[:, :, None]的形状为(784, 20, 1)h[None, :, :]的形状为( 1, 20, 100)
根据上面的解释和乘法 returns 具有形状 (784, 20, 100).
- 最后一次乘法的数组形状，
(784, 20, 100) diff[:, None, :]的形状为(784, 1, 100)
这两个数组的这些形状是兼容的，因此第二次乘法成功。返回一个形状为 (784, 20, 100) 的数组。