如何处理Numpy中的“ValueError:操作数不能与形状（10000，）（10000，10）”一起广播

Question

代码中有一部分：

batch = getRandomBatch(batch_size)
users_ind = batch[0, :, 0]
items_ind = batch[0, :, 2]
for i in range(25):
    sum_loss, err = computeLossFunction(batch)
    users_mat[users_ind, :] += err*items_mat[items_ind, :]

它抛出一个ValueError，在users_mat[users_ind, :] += err*items_mat[items_ind, :]中，操作数不能与形状（10000，）（10000，10）一起广播，我不知道如何处理它。
为什么err的形状是（10000，）而不是（10000，1）？

一、二、二、三、三、四、四、四、四、四、四、四、四、六、六、六

users_mat = np.random.rand(len_users, latent_space_dimension)
items_mat = np.random.rand(len_items, latent_space_dimension)
def getRandomBatch(batch_size):
    batch = np.random.choice(len_data_mat-1, size=(1, batch_size))
    batch = data_mat[batch]
    return batch

def computeLossFunction(data_mat):
    items_ind = data_mat[0, :, 2]
    rates = data_mat[0, :, 1]
    users_ind = data_mat[0, :, 0]
    vector_items = items_mat[items_ind, :]
    vector_users = users_mat[users_ind, :]
    dot_list = np.sum(vector_items*vector_users, axis=1)
    err = rates-dot_list
    piece = np.power(err, 2)+lambda_val*(np.sum(np.power(vector_users, 2), axis=1) + np.sum(np.power(vector_items, 2), axis=1))
    sum_loss = np.mean(piece)
    return sum_loss, err

数据矩阵是一个10000行3列的numpy矩阵
在尝试之后，err=err.reforme（-1，1）可以解决这个问题，但是我仍然不明白为什么err的形状是（10000，）而不是（10000，1），所以我必须显式地重新整形。

Answer 1

在(10000,)的数组上使用.reshape(-1, 1)，反之亦然。

从您的代码中也可以明显看出，data_mat是二维的，而不是三维的，这可能是您混淆的原因。一、 e.：

data_mat = np.empty((10000, 3)); data_mat.ndim
Out[9]: 2

data_mat[0, :, 2]
---------------------------------------------------------------------------
IndexError                                Traceback (most recent call last)
<ipython-input-10-4b9c676abc55> in <module>()
----> 1 data_mat[0, :, 2]

IndexError: too many indices for array