[tf][np]axis=-1,0,1的直观表达

最新推荐文章于 2021-06-12 15:50:22 发布

Tesera__

最新推荐文章于 2021-06-12 15:50:22 发布

阅读量391

点赞数 4

分类专栏：深度学习文章标签：神经网络

本文链接：https://blog.csdn.net/Giselle__/article/details/114364921

版权

本文通过3维矩阵的示例，详细解释了在神经网络中，axis=0, 1, 2(-1)时的操作直观含义。分别阐述了在不同轴上进行操作的空间表示和影响。" 93199936,7518045,Mac环境下Java与Eclipse配置Selenium指南,"['前端开发', '自动化测试', 'Java', 'Eclipse', 'Selenium']

摘要由CSDN通过智能技术生成

一句话—就是找到对应维度，然后操作

文章目录

初始化一个3维矩阵

import numpy as np

#x为3*2*2维矩阵
x=np.array([[[1,2],
			 [3,4]],
			[[5,6],
			 [7,8]],
			 [[9,10],
			 [11,12]]])

在空间上的直观表示

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

Tesera__

关注关注

4
点赞
踩
3

收藏

觉得还不错? 一键收藏
3
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

【python】numpy中axis和keepdims的直观解释

weixin_34132725的博客

09-29

901

import numpy as np x = np.array([[1,2,3], [4,5,6], [7,8,9]]) add = np.sum(x) add_axis = np.sum(x, axis=1) add_keepdims = np.sum(x, axis=1, keepdims = True) print('add = '...

python中axis=-1解释

weixin_42059276的博客

06-18

1万+

在调用numpy库中的concatenate()时，有遇到axis=-1/1/0的情况。可以通过以下代码看出这三个值的差别： axis=0：在第一维操作 axis=1：在第二维操作 axis=-1：在最后一维操作当操作对象为2维数组时，axis=1和axis=-1效果相同 import numpy as np #x为3*2*2维矩阵 x=np.array([[[1,2], [3,4]], [[5,6], [7,8]], [[9,10], [11,12]]]) #得

3 条评论您还未登录，请先登录后发表或查看评论

tf axis = 1

木筱雪的专栏

04-30

669

总是搞不清楚在axis上加减的结果，例子如下： import tensorflow as tf from scipy.spatial.distance import pdist, squareform class EmbeddingTable(object): def __init__(self, ini): self.embedding_table = tf.g...

对于矩阵操作中axis的理解，以及axis=-1的解释

shenyuan12的专栏

08-26

427

1. axis的基本使用 axis常常用在numpy和tensorflow中用到，作为对矩阵（张量）进行操作时需要指定的重要参数之一。设定axis=-1,0,1...，用来指定执行操作的数据如何划分。一句话解释：设axis=i，则沿着第i个下标变化的方向进行操作！[1] 简单例子就不举了，其他博客有很多，这里举一个稍微复杂一点的三维矩阵的例子：设embeddings是一个shape=[3,4,5]的矩阵，如下： embeddings = [[[-0.30166972 0.2574174

tf函数总结（一）

fireflychh的博客

07-28

1万+

1、tf.concat concat( values, axis, name='concat' ) 将一组张量沿某一维度连接起来。当axis=i时，如果values[i].shape=[d1,d2, ....,daxis[i], ..., dn]，则连接后的张量维度为[d1,d2,..., Raxis,...,dn],其中Raxis=sum(daxis[i

test_images = 'data/test' # 定义测试集图像路径 test_data = [] for path in test_images: image = imageio.imread(path) image = np.expand_dims(image, axis=-1) image = image / 255.0 test_data.append(image) test_data = np.array(test_data) predictions = model.predict(test_data) # 保存预测结果 for i, pred in enumerate(predictions): imageio.imwrite(f"prediction_{i}.png", pred)怎么改

05-27

1. 使用更快速的图像读取方式，比如使用Pillow库的Image.open()方法，可以提高读取速度。 2. 如果测试集图像数量较大，可以考虑使用tf.data.Dataset读取数据，可以提高数据读取速度和训练效率。 3. 在预测结果保存时...

TensorFlow2.0学习笔记-4.模型的自定义

ruoqi23的博客

08-06

2322

4.模型的自定义 4.1.自定义层使用的主要数据结构是Layer 实现自定义层的最佳方法是扩展tf.keras.layers.Layer类并实现： • __init__：可以在其中进行所有与输入无关的初始化，定义相关的层 • build：知道输入张量的形状并可以进行其余的初始化 • call：在这里进行前向传播注意：不一定需要在build中创建变量时，也可以在__init__中创建它们。 tf.keras.Model和tf.keras.layers.Layer有什么区别和联系？ •通...

axis=-1，0，1的含义

01-20

axis=-1，0，1的含义 axis的本意是轴的意思。在python中，axis代表的是多维数组中数据操作的方向。举例说明，在pycharm环境创建一个三维数组： import numpy as np import tensorflow as tf b = np.arange(27).reshape(3,3,3) print(b) a = np.max(b, axis=-1) print(“a=”,a) 运行结果： [[[ 0 1 2] [ 3 4 5] [ 6 7 8]] [[ 9 10 11] [12 13 14] [15 16 17]] [[18 19 20] [21

NLP：TextRank 与 TF-IDF，原理与库使用，关键词提取

Leon_winter的博客

12-20

1427

文章目录关键词抽取的任务就是从一段给定的文本中自动抽取出若干有意义的词语或词组。TextRank算法是利用局部词汇之间关系（共现窗口）对后续关键词进行排序，直接从文本本身抽取。其主要步骤如下：（1）把给定的文本T按照完整句子进行分割，即（2）对于每个句子，进行分词和词性标注处理，并过滤掉停用词，只保留指定词性的单词，如名词、动词、形容词，即，其中是保留后的候选关键词。（3）构建候选关键词图...

从 tf.stack 讲解参数axis

The Thinker

11-03

2060

前面博客中已经对 axis 进行了详细的讲解，这篇博客继续强化一下对 axis 的理解，因为矩阵运算中 axis 是一个非常重要的概念。以 3D 图像为例：上面的 3D 图像的维度是 2 × 2 × 2 ，即每个小立方体（体素）存储着一个灰度值。现在假设有以下三个 3D图像： [[[1, 2], [3, 4]], [[5, 6], [7, 8]]] [[[11, 12], [13, 14]...

tf.argmax()以及axis解析

abc1831939662的博客

03-10

288

关于tf.argmax，我看到网上的资料有些杂乱难以理解，所以写这篇文章。在tf.argmax( , )中有两个参数，第一个参数是矩阵，第二个参数是0或者1。0表示的是按列比较返回最大值的索引，1表示按行比较返回最大值的索引。下面上代码： import tensorflow as tf Vector = [1,1,2,5,3] #定义一个向量 X = [[1,3,2],[2,5...

Tensorflow技巧

caibo3913的博客

10-03

228

设置编码 # -*- coding: UTF-8 -*- tf.reduce_sum reduce_sum中axis=-1的理解就是把这个维度搞成1 reduce_sum:压缩求和，用于降维 # 'x' is [[1, 1, 1] #[1, 1, 1]] x为2*3矩阵 #求和 tf.reduce_sum(x) ==> 6 #按列求和 tf.redu...

np.concatenate() 使用说明