Numpy中np.max()用法的详细解释（误区）（axis=1,axis=0)

最新推荐文章于 2025-03-21 15:00:22 发布
最新推荐文章于 2025-03-21 15:00:22 发布
阅读量1.7k 收藏 3
点赞数 1
文章标签： numpy python 开发语言
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/NikOHvH/article/details/132962428
版权

先贴上np.max()的解释

对于大多数初学者来讲，最容易令人困惑的地方就是axis=0和axis=1的区别。

在实际应用中

这两种方法的结果是一样的，而一些人错误的直接认为axis=0意味着计算两个数组的每列最大值，实际上这是不准确的。确切地讲，axis=0代表的是“沿行操作”，在一些参考书中表达的是“沿着第一个轴操作“这里的第一个轴指的是行。

实际上在numpy中操作的过程大致是这样：

实际上step1和2是同时进行的，这也就是为什么axis = 1 得到的结果是每列的最大值，而axis=0得到的是每行的最大值。

金润蔚
关注
python中axis和value_numpy.max中参数axis的取值问题
weixin_35736086的博客
03-01 777
np.max(a, axis=None, out=None, keepdims=False)求序列的最值最少接收一个参数axis：默认为列方向，即axis=0一般为二维数组，用来表示行和列的信息：>>> import numpy as np>>> z = np.array([[1, 2, 3], [4, 5, 6]])>>> z[0] ...
numpy.max(a, axis=1) np.max(a, axis=1) 中的axis=1是那个维数？怎么理解？
Markfieraloha的博客
09-21 4707
numpy.max(a, axis=1)，中的axis=1， 指的是沿着列（第2个维度）进行，最终返回的数组中元素个数和axis=1中元素个数相同。 举例子： a = np.linspace(1, 12, 12).reshape(3, 4) a 得到： array([[ 1., 2., 3., 4.], [ 5., 6., 7., 8.], [ 9., 10., 11., 12.]]) 执行下列语句： np.max(a, axis=1) 将得到： array([
关于numpy里面的轴（axis）
jerry003的博客
03-21 196
图中0,1,2,3,4分别表示axis= 0, axis= 1, axis= 2, axis= 3在不同维时的方向，当然，可以用负值表示。
高维数组 np.max() 指定轴向的用法
qq_41071191的博客
11-28 2241
最近使用 max() 对高维的numpy 数组进行求最大值时遇到了一点问题，记录一下。 用法 对于 二维数组 ，能够指定轴向输出需要的最大值 指定 axis= 0 会返回 列 的最大值 指定 axis= 1 会返回 行 的最大值 代码实例： import numpy as np a= np.arange(10).reshape((2,5)) a_amx= np.max(a) # 直接返回数组的最大值 c_max= np.max(a, axis= 0) # 返回 列 的最大值 r_max= np.ma
Numpy中np.max()和np.min()用法
weixin_44558721的博客
10-19 7157
PyTorch基础知识
numpy.max中参数axis的取值问题
SpadgerZ的博客
11-19 1万+
np.max(a, axis=None, out=None, keepdims=False) 求序列的最值 最少接收一个参数 axis：默认为列方向，即axis=0 一般为二维数组，用来表示行和列的信息： >>> import numpy as np >>> z = np.array([[1, 2, 3], [4, 5, 6]]) >>...
np.sum, np.max 等中axis的运用与理解
zzhouba的博客
10-17 1009
用numpy快一年了，然而到现在还经常被axis的概念弄得晕乎乎的。这次希望通过写下博客可以跟大家一块弄清楚这个东西。 当我们要对某个matrix进行np.sum , np.max等方式的处理时，我们可以想象axis是我们要针对的纬度。最直观的体现就在于，比如一个shape为(a,b,c)的矩阵mtx。如果我用np.sum(mtx)处理，那么当axis = 0的时候，输出的shape就为(b,c)，同理，当axis=2的时候，输出的shape就成为(a,b)了。 那么计算的方法就是先固定住非axis纬度的值
from transformers import BertTokenizer, BertForSequenceClassification, TrainingArguments, Trainer from datasets import load_from_disk import numpy as np from sklearn.metrics import accuracy_score def load_processed_data(): dataset = load_from_disk("../data/processed_imdb") return dataset['train'], dataset['test'] # 定义预处理函数 def preprocess_function(examples): return tokenizer( examples['text'], truncation=True, padding='max_length', max_length=128 ) # 定义评估指标 def compute_metrics(p): preds = np.argmax(p.predictions, axis=1) return {'accuracy': accuracy_score(p.label_ids, preds)} if __name__ == '__main__': train_data, test_data = load_processed_data() # 加载BERT的分词器 tokenizer = BertTokenizer.from_pretrained("C:/Users/Administrator/bert_cache") # 应用预处理 train_data = train_data.map(preprocess_function, batched=True) test_data = test_data.map(preprocess_function, batched=True) # 重命名标签列（适配HuggingFace格式） train_data = train_data.rename_column('label', 'labels') test_data = test_data.rename_column('label', 'labels') # 设置pytorch格式 train_data.set_format('torch', columns=['input_ids', 'attention_mask', 'labels']) test_data.set_format('torch', columns=['input_ids', 'attention_mask', 'labels']) # 加载预训练模型 model = BertForSequenceClassification.from_pretrained( "C:/Users/Administrator/bert_cache", num_labels=2 ) training_args = TrainingArguments( output_dir='./results', # 输出目录 num_train_epochs=3, # 训练轮次 per_device_train_batch_size=16, # 训练批次大小 gradient_accumulation_steps=2, # 等效批次32 per_device_eval_batch_size=128, # 评估批次大小 warmup_steps=500, # 学习率预热步数 weight_decay=0.01, # 权重衰减 logging_dir='./logs', # 日志目录 logging_steps=100, # 减少日志频率 eval_strategy='epoch', # 每轮评估一次 save_strategy='epoch', gradient_checkpointing=True, # 以时间换空间 optim="adafactor", # 比AdamW节省30%显存 ) # 创建Trainer trainer = Trainer( model=model, args=training_args, train_dataset=train_data, eval_dataset=test_data, # 实际应用时应使用验证集 compute_metrics=compute_metrics ) # 开始训练！ trainer.train() # 保存模型 model.save_pretrained('./my_bert_model') tokenizer.save_pretrained('./my_bert_model') # 加载模型 # from_pretrained_model = BertForSequenceClassification.from_pretrained('./my_bert_model') 我现在在做什么，这个bert我要训练他的什么部分，bert的哪些部分被冻结了
最新发布
04-04
│ ├─ BertLayer.0（训练中） # 第1层 │ ├─ ... │ └─ BertLayer.11（训练中） # 第12层 └─ Classifier（训练中） # 分类头 ├─ Dropout └─ Linear(in_features=768, out_features=2) ``` --- ###...
python 数据归一化_python 实现对数据集的归一化的方法(0-1之间)
weixin_39939918的博客
12-20 5138
python 实现对数据集的归一化的方法(0-1之间)多数情况下，需要对数据集进行归一化处理，再对数据进行分析#首先，引入两个库 ，numpy,sklearnfrom sklearn.preprocessing import MinMaxScalerimport numpy as np#将csv文件导入矩阵当中my_matrix = np.loadtxt(open("xxxx.csv"),deli...
算法金 | 再见！！！K-means
算法金「全网同名」的博客
06-14 966
什么是 k-means 算法k-means 算法是一种用于聚类分析的非监督学习算法。它通过将数据点划分为 k 个簇，使得每个簇中的数据点尽可能相似，而不同簇之间的数据点尽可能不同。这个算法的名称来源于其中的 k 个簇（clusters）和每个簇的均值（mean）。k-means 算法的工作原理初始化中心点分配样本到最近的中心点更新中心点迭代直到收敛下面我们来浅浅的感受一下，走你~
python散点图误区
03-08
### Python 绘制散点图常见误区及正确做法 #### 1. 数据预处理不当 在绘制散点图之前，如果数据未经过适当清理和预处理，则可能导致图表误导性。例如，缺失值或异常值可能会影响图形的整体表现[^2]。 ```python ...
1、可视化weights，选择对预测值影响最大的前几个features，输入至模型中，观察预测值结果，找出使预测效果最好的一组features 帮我理解一下这个任务
03-12
n_features = np.argmax(cumulative_importance >= 0.8 * total_importance) + 1 selected_features = sorted_idx[:n_features] ``` #### **4. 验证特征效果** - **实验设计**： ```python # 创建仅含选定特征...
【numpy】argmax参数辨析（axis=0,axis=1,axis=-1)
胡侃有料的博客
04-30 2万+
every blog every motto: You can do more than you think. 0. 前言 网上一般都是axis=0,axis=1，很少有axis=-1的博客，在这进行简单的小结，后续可能会增补。 说明： 代码在 jupyter notebook中实现。 1. 正文 1.1 简单介绍 argmax：一句话概括，返回最大值的索引。 当然这个索引是有讲究的。比如，学生...
np.max()、np.argmax()、np.maximum()、np.min()、np.argmin()、np.minimum()、np.sum()
热门推荐
dekiang
04-02 3万+
numpy专题——最值、求和最大值np.max()np.argmax()np.maximum()求和二级目录三级目录 最大值 np.max() 参数解析 np.max(array, axis=None, out=None, keepdims=False) 一维ndarray import numpy as np array1 = np.array([1, 3, 2, 8, 5]) prin...
np.max() 与 np.maximum()
是鲤鱼啊
01-17 5104
np.max()一般只用来做轴操作;np.maximum()一般用于直接求最值，不推荐做轴操作(涉及维度的 broadcast 机制)
python之np.argmax()及对axis=0或者1的理解
qq_41147793的博客
11-19 5450
这篇文章主要介绍了python之np.argmax()及对axis=0或者1的理解，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教
np.max(等价于np.amax)用法
lllxxq141592654的博客
05-05 1万+
np.max与np.amax是同名函数 https://docs.scipy.org/doc/numpy/reference/generated/numpy.ndarray.max.html np.amax numpy.amax(a, axis=None, out=None, keepdims=<no value>, initial=<no value>)[sourc...
解析np.max
Darlewo
11-11 1万+
首先看np.max函数返回为 Return the maximum of an array or maximum along an axis 一个是数组的最大值，另一个是沿着轴的最大值。首先一个数组的最大值好理解，主要是沿着某个轴的最大值怎么求，最后得到的形状是什么? 那我们首先生成一个数组，形状为[2, 3, 4],我们分别返回沿着0， 1， 2三个轴返回其最大值，我们看返回后的形状分别为...
np.max 与 np.maximum
hftytf的博客
11-03 364
分享一下我老师大神的人工智能教程！零基础，通俗易懂！http://blog.csdn.net/jiangjunshow也欢迎大家转载本篇文章。分享知识，造福人民，实现我们中华民族伟大复兴！&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&a
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值