DL4J的矩阵处理模块ND4J的常用函数整理

ND4J矩阵变换的常用函数整理

由本人阅读nd4j源码整理，nd4j是dl4j为了矩阵运算整出来的一套工具。对应python里的numpy，但是并没有numpy那么普及，不过至少使用dl4j搭建神经网络以及数据预处理时，会使用nd4j是必不可少的。

nd4j还有个功能是可以创建工作区workspace用来管理堆内存的回收，或者我们直接扔给GC来管理INDArray的内存回收就好。这个功能以后有机会再说，那么进入正题：

• 矩阵创建

方法	用法
Nd4j.zeros / ones / valueArrayOf	创建全部元素都是0/1/value的矩阵或向量 通用函数: valueArrayOf(int[] shape, double value) 实数版: complexValueOf
Nd4j.create	将double数组转化为N维向量 create(double [] data,int [] shape) 二维数组 Create(double [][] data)
Nd4j.rand	输出随机矩阵,(0,1)之间随机值 rand(int [] shape) rand(int [] shape, long seed)
Nd4j.linspace	输出数值等差的一维向量
Nd4j.diag	以某个标量/向量/矩阵为对角生成对角矩阵
Nd4j.eye	单位矩阵

 

• 矩阵属性

属性	用法
Rows，columns	可以用getRow和getColumn获取某一行或者某一列的视图，并可以通过修改视图对原始数据进行局部修改。不想对原数据修改，可调用dup函数进行复制。 可以用rows和columns来获取有多少行多少列
shape	Int[] 返回每一维的维度 (Arrays.toString可用于打印维度)
rank	维数
length	总共元素的个数（各个维度相乘）
data()	返回一个线性double数组替代这个INDArray

 

• 矩阵数值变换、点积

方法	用法
get	get(INDArrayIndexes...indexes) 获取每一维的某几个index的数据组成的视图。对该视图的直接操作将影响原始数据。
subArray	offset,shape ,stride 返回子图
addi add sub rsub mul div rdiv neg eq	标量的加减乘除取负比较等等， 后面加i代表in_place就是替换原数据的意思。 前面加r就是用参数来减、除矩阵中的value。 对每个矩阵中的值做操作，都是标量计算。 add和mul参数可以传入和被操作数大小相同的矩阵，即两个矩阵对应的每个参数相加或相乘
put	替换矩阵中的某些值
putscalar	标量替换某些值
reshape	将矩阵变换为新的维数和维度的矩阵，但是length要保证相等 参数order是’c’/’f’ 用C样索引顺序读取/写入元素，最后一个轴索引变化最快，回到第一个轴索引变化最慢。'F'意味着使用Fortran样索引顺序读取/写入元素，第一个索引变化最快，最后一个索引变化最慢。 上面这个是numpy中reshape的Order参数的含义，在Nd4j中应该雷同
permute/permutei	改变矩阵中维度的顺序
transpose/transposei	转置
linearView	返回展开成一维矩阵

 

• 矩阵的拼接

方法	用法
Nd4j.hstack	横向拼接矩阵（row相同）
Nd4j.vstack	纵向拼接矩阵（column相同）
concat	指定维度拼接 concat(int dimension, INDArray... toConcat)

 

• 矩阵的叉乘以及元素运算等

 

方法	用法
mmul	矩阵叉乘，注意两个相乘矩阵的行列对应关系。前者的列数等于后者的行数
BooleanIndexing.and/or	通过传入函数以及范围来返回bool值对矩阵元素进行判断
BooleanIndexing.applyWhere/replaceWhere	对满足条件的矩阵中的值进行替换或其他操作
max/min/sum amax	指定维度的max、min、sum等 前面加a是absolute绝对值的意思
sigmond/abs/tanh/exp/sqrt/log等	相应的函数值，都是常用的计算函数