numpy
仁义礼智信达
喜欢学习和分享
展开
-
numpy转换数据类型
方法:np.array().astype(int) a = b.astype(int) label = np.array([0, 1, 0]) predict_label = np.array([1, 0, 0]) false_num = np.array(label != predict_label).astype(int) print(false_num) # [1 1 0]原创 2020-10-21 20:26:33 · 514 阅读 · 0 评论 -
关于.data和.cpu().data的操作
分析: 1.首先a是一个放在GPU上的Variable,a.data是把Variable里的tensor取出来, 可以看出与a的差别是:缺少了第一行(Variable containing) 2.a.cpu()和a.data.cpu()是分别把a和a.data放在cpu上,其他的没区别,另外:a.data.cpu()和a.cpu().data一样 3.a.data[0] | a.cpu().data[0] | a.data.cpu()[0]是一样的,都是把第一个值取出来,类型均为fl...原创 2020-10-20 11:05:13 · 3353 阅读 · 0 评论 -
numpy.stack用法
numpy.stack(arrays, axis=0) 沿着新轴连接数组的序列。 axis参数指定新轴在结果尺寸中的索引。例如,如果axis=0,它将是第一个维度,如果axis=-1,它将是最后一个维度。 参数: 数组:array_like的序列每个数组必须具有相同的形状。 axis:int,可选输入数组沿其堆叠的结果数组中的轴。 返回: 堆叠:ndarray堆叠数组比输入数组多一个维。 我们先从增加维度说起。 >>> a = np.array([1, 2, 3]) >&原创 2020-10-20 09:23:45 · 554 阅读 · 1 评论 -
numpy添加新的维度:newaxis
numpy中包含的newaxis可以给原数组增加一个维度,np.newaxis放置的位置不同,产生的新数组也不同 import numpy as np x = np.random.randint(1, 8, size=(2, 3, 4)) y = x[np.newaxis, :, :, :] z = x[:, np.newaxis, :, :] h = x[:, :, np.newaxis, :] m = x[:, :, :, np.newaxis] 总结:想放哪里放哪里,想放几个放几个 .原创 2020-10-15 14:45:20 · 161 阅读 · 0 评论 -
a.astype用法
直接看源码: 数组的拷贝,转换为指定的类型 a.astype(dtype, order='K', casting='unsafe', subok=True, copy=True) Copy of the array, cast to a specified type. Parameters ---------- dtype : str or dtype原创 2020-09-28 14:22:55 · 1362 阅读 · 0 评论