### 1、介绍 实际上不对数据进行操作（主要指copy操作和expand_dims操作），但可以实现数据扩张. ### 2、tf.broadcast_to **之前我们使用的全连接 layers.Dense 中用到了扩张** 已知：$X@W+b$ $[b,784]@[784,10]+[10]=[b,10]$ $[b,784]@[784,10]=[b,10]$ $[b,10]+[10]$ **其中[10]会自动扩张成[b,10]，之后才可以做加法计算** #### 2.1 扩张原理 已知一张图片维度【4，32，32，3】 已知一个变量b=【3】 [3]->[1,1,1,3 ]->[4,32,32,3] 只有维度为1的才可以扩张 #### 2.2 为什么要这么做？ b 变量变换的时候，不需要考虑前面的维度，会自动匹配前面的维度 例如：【4，35，8】给全部的学生加5分 【4,35,8】+【b】，这是b可以自动对全部班级，全部学生，全部成绩加分 【4,35,8】+【student, b】 这里可以针对学生来进行加分，而不是全部学生 #### 2.3 好处 简洁方便，节约内存 #### 2.4 例子 ```py # 初始化数据 x=tf.random.normal([4,32,32,3]) # 自动调用broadcasting x+tf.random.normal([3]) # 手动调用 a=tf.ones([3,4]) a2=tf.broadcast_to(a,[2,3,4]) ```