numpy
文章平均质量分 56
chensi000000
这个作者很懒,什么都没留下…
展开
-
【numpy、pytorch】 .reshape()的元素变动过程(pytorch的view也是此过程)
【numpy、pytorch】 .reshape()的元素变动过程(pytorch的view也是此过程)转载 2023-08-02 15:58:43 · 684 阅读 · 0 评论 -
np.tile()和np.repeat()的区别和使用方法(numpy复制数组的行、列、元素)
np.tile()和np.repeat()的区别和使用方法(numpy复制数组的行、列、元素)原创 2022-10-11 12:17:01 · 2045 阅读 · 0 评论 -
np.meshgrid()函数 以及 三维空间中的坐标位置生成 以及 numpy.repeat()函数介绍
X, Y = np.meshgrid(x, y) 代表的是将x中每一个数据和y中每一个数据组合生成很多点,然后将这些点的x坐标放入到X中,y坐标放入Y中,并且相应位置是对应的例如:返回值:可以看到,np.meshgrid()生成的值,要再经过一次np.concatenate()才是坐标。返回值:但是,np.meshgrid()生成三维坐标位置也是有很大问题的:无论怎么修改np.meshgrid()中x、y、z的顺序,都无法实现对x,y,z中的值都实现从小到大,而且先x从到大,然后y从原创 2022-06-08 14:53:55 · 25791 阅读 · 3 评论 -
np.arange()可以代替python的range实现小数(float)的step
range()里面,只能是整数,step也必须是整数np.arange()里面可以是float类型例子:np.arange(0, 1, 0.1)返回:array([0. , 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9])原创 2022-05-17 15:35:51 · 868 阅读 · 0 评论 -
numpy在对数组进行“行过滤“的时候,使用集合运算函数比使用逻辑运算函数更简单
1、集合运算例1,集合运算的函数import numpy as np# 创建一维 ndarray xx = np.array([1,2,3,4,5])# 创建一维 ndarray yy = np.array([6,5,4,8,7])# 输出 xprint('x = ', x)# 输出 yprint('y = ', y)# 比较x和yprint('使用intersect1d输出x和y的交集:', np.intersect1d(x,y))print('使用setdiff1d输出在原创 2021-12-29 10:57:50 · 874 阅读 · 0 评论 -
numpy获得ndarray的byte数 内存中的大小
使用.nbytes属性import numpy as npa = np.array([1,2,3,4,5,6])a.nbytes输出:48原创 2020-09-22 17:32:13 · 3338 阅读 · 2 评论 -
numpy常用的一种高效切片方式
使用双层[ ]来进行索引例1:import numpy as npa = np.array([1,2,3,4,5,6])a[[1,3]]返回:array([2, 4])例2:import numpy as npc = np.array([[1,2,3],[4,5,6]])c[:, [1,2]]返回:array([[2, 3], [5, 6]])原创 2020-09-22 17:24:31 · 302 阅读 · 0 评论 -
numpy中的对应元素相乘,可以使用广播
在目标检测中,通常会出现这个问题:预测出来的结果乘以图像的长和宽后得到在原图像上的框。例如:box_pred = np.array([[0.1, 0.2, 0.2, 0.2]])h, w, c = 256, 512, 3以前测做法是box_pred[:, 0] = box_pred[:, 0] * w...box_pred[:, 3] = box_pred[:, 3] * h其实可以这样:box_pred = box_pred * np.array([w, h, w, h])即使原创 2020-09-22 17:05:37 · 779 阅读 · 0 评论