我正在尝试使用Python创建一个简单的神经网络（我知道有库可用，但我从头开始构建一个简单的网络，以便更熟悉每一步的操作），其中一部分是计算真实标签和预测标签之间的差异。

我的真实标签维度为<2059 x 1>，预测标签的维度也是<2059 x 1>。

两者都是np.array类型。

我期望一个简单的

l2_error=tag_train-l2

就能完成任务。（l2是预测标签，tag_train是真实标签）

但我得到的结果却是一个<2059×2059>的矩阵。看起来这个操作是在进行所有可能的元素组合的减法。为什么会发生这种情况？我知道我可能可以通过for循环来完成任务，但我很好奇为什么程序会产生这样的结果？

顺便说一下，两者的数据类型都是float64。我认为这并不重要，但以防万一需要这个信息。

回答：

正如你在评论中指出的那样，发生的情况是tag_train是一个长度为2059的一维数组，而l2则是一个有2059行和1列的二维数组。

所以当你尝试进行减法时，会得到一个有2059行和2059列的二维数组。

如果你100%确定l2只有一列，那么你可以在进行减法之前将该数组重塑为一个一维数组。比如 –

l2.reshape((l2.shape[0],))

示例/演示 –

In [1]: import numpy as npIn [2]: l1 = np.array([1,2,3,4])In [3]: l2 = np.array([[5],[6],[7],[8]])In [7]: l2.shapeOut[7]: (4, 1)In [8]: l2-l1Out[8]:array([[4, 3, 2, 1],                 #仅展示当数组维度不同时的行为        [5, 4, 3, 2],                 #       [6, 5, 4, 3],       [7, 6, 5, 4]])In [19]: l2 = l2.reshape((l2.shape[0],))In [25]: l2 = l2.reshape((l2.shape[0],))In [26]: l2-l1Out[26]: array([4, 4, 4, 4])