Numpy
Numpy由浅入深
昵称格式错误
这个作者很懒,什么都没留下…
展开
-
Numpy之np.random随机数
目录1 numpy.random.rand()2 numpy.random.randn()3 numpy.random.randint()3.1 numpy.random.randint()3.2 numpy.random.random_integers4 生成[0,1)之间的浮点数5 numpy.random.choice()6 numpy.random.seed...转载 2018-09-01 10:51:11 · 1426 阅读 · 0 评论 -
Pytorch/Numpy之squeeze
目录对于Pytorch而言对于Numpy而言代码输出对于Pytorch而言squeeze(torch.tensor,axis) 返回值与原tensor共享内存,修改返回值中元素值对原tensor也有影响未指定axis,将张量size()中所有为1的维度去除 指定axis,如果该axis为1则去除,反之保留原来的size不变对于Numpy而言squeeze(n...原创 2018-08-18 23:17:00 · 3441 阅读 · 0 评论 -
Numpy之除array外的生成ndarray对象的函数
目录代码输出 代码import numpy as np#默认数据类型为float#empty返回值为未初始化的ndarray对象# 第一参数为ndarray对象的维数,第二参数为数据类型a=np.empty([2,3])print(a)#ones返回值为ndarray对象,值全为1aone=np.ones([2,3])print(aone)bone...原创 2018-08-14 13:54:27 · 362 阅读 · 0 评论 -
Numpy之ndarray
目录代码输出 代码import numpy as np#ndarray类型#创建一个含4个元素的数组,不进行矩阵操作arr=np.array([1,2,3,4])print(arr)#创建1X4的矩阵a=np.array([[1,2,3,4]])print(a)#创建1X4的矩阵,指定dtype为float,没有double...b=np.arr...原创 2018-08-14 13:14:16 · 414 阅读 · 0 评论 -
Numpy之shape
目录代码输出代码import numpy as np#1X4的矩阵a=np.array([[1,1,1,0]])print(a.shape)#4X1的矩阵b=np.array([[1],[2],[3],[4]])print(b.shape)#几乎不能叫矩阵,因为.shape输出的是元素的个数c=np.array([1,2,3,4])print(c....原创 2018-08-14 12:59:01 · 1615 阅读 · 0 评论 -
Numpy之reshape
目录代码输出代码import numpy as np#reshapea=np.array([1,2,3,4])b=a.reshape(2,2) #a调用reshape并不会改变a的形状,是其返回值为变形后的结果print(a)print(b)a.shape=(2,2) #但对于a.shape进行赋值,a的形状就变了print(a)输出[1 2...原创 2018-08-14 13:21:34 · 357 阅读 · 0 评论 -
Numpy之itemsize
目录代码输出 代码import numpy as np#itemsize输出array元素的字节数a=np.array([1,2,3,4])print(a.itemsize)b=np.array([1.,2.,3.,4.])print(b.itemsize)c=np.array([1,2,3,4],dtype=float)print(c.itemsize...原创 2018-08-14 13:29:10 · 17485 阅读 · 0 评论 -
Numpy之arange
Python中的range,以及numpy包中的arange函数range()函数 函数说明:range(start, stop[, step]) -> range object,根据start与stop指定的范围以及step设定的步长,生成一个序列。 参数含义:start:计数从start开始。默认是从0开始。例如range(5)等价于range(0, 5);...转载 2018-08-14 13:51:54 · 4947 阅读 · 2 评论 -
Numpy之asarray
目录代码输出 代码import numpy as np#asarray可以将元组,列表,元组列表,列表元组转化成ndarray对象#像这种元组列表,如果每个元组的size都一样,会变成二维矩阵a=[(1,2,3),(4,5,6)]a=np.asarray(a)print(a)#像这种元组列表,由于每个元组的size不一样,所以只是一维arrayb=[(...原创 2018-08-14 14:28:07 · 5492 阅读 · 3 评论 -
Numpy之frombuffer
目录代码输出 代码import numpy as np#frombuffer将data以流的形式读入转化成ndarray对象#第一参数为stream,第二参数为返回值的数据类型,第三参数指定从stream的第几位开始读入#data是字符串的时候,Python3默认str是Unicode类型,所以要转成bytestring在原str前加上bs = b'abc'...原创 2018-08-14 15:40:29 · 30419 阅读 · 0 评论 -
Numpy之linspace
目录代码输出 代码#linspace返回值为ndarray,float型#numpy.linspace(start, stop, num, endpoint=true, retstep=false, dtype=float)#num为从start到stop的等间隔的数的个数a=np.linspace(1,5,5)print(a)b=np.linspace(1,...原创 2018-08-14 15:54:13 · 584 阅读 · 0 评论 -
Numpy之logspace
目录代码输出(很多都与linspace类似,可参考)代码#logspace返回值为ndarray对象,float型#numpy.logspace(start, stop, num, endpoint, base, dtype)#数据头一定是base^start,若endpoint=True,数据尾为base^end,其余数据为base^(start,end)a=np...原创 2018-08-14 15:59:41 · 961 阅读 · 0 评论 -
Numpy之广播
很多博客上提到广播,都会说到可以广播的原则:一个是为1,一个是相等但这个话就很困扰,到底什么叫为1,什么叫相等。 转载自 讲的很清楚的广播 目录1. 举例2. 补充broadcasting,广播,传递,赋值,拷贝;一定要注意,执行 broadcast 的前提在于,两个 ndarray 执行的是 element-wise(按位加,按位减) 的运算,而不是...原创 2018-08-15 11:03:08 · 231 阅读 · 0 评论 -
Numpy之flatten和ravel
转载自此处 目录1. 两者的功能2. 两者的区别References 首先声明两者所要实现的功能是一致的(将多维数组降位一维),两者的区别在于返回拷贝(copy)还是返回视图(view),numpy.flatten()返回一份拷贝,对拷贝所做的修改不会影响(reflects)原始矩阵,而numpy.ravel()返回的是视图(view,也颇有几分C/C++引用ref...转载 2018-08-15 11:02:52 · 299 阅读 · 0 评论 -
Numpy/Pytorch之数据类型与强制类型转换
目录1.数据类型简介NumpyPytorch2.Python的type()函数3.Numpy/Pytorch的dtype属性4.Numpy中的类型转换先聊聊我为什么会用到这个函数(不看跳过)astype()函数输出4.Pytorch中的类型转换Way1 : 变量直接调用类型Way2 : 变量调用pytorch中的type函数Way3 : 变量调用...原创 2018-08-17 11:47:19 · 51041 阅读 · 1 评论