np.argmax
用于获得一列数值中最大值的索引值
index = np.argmax(prediction)
np.maximum
用于按位比较大小,并选择最大值
label = [9, -1, 2, -3]
label = np.maximum(label, 0)
输出:
label = [9, 0, 2, 0]
np.squeeze
用于删除多维数组中shape=1的维度
>>> a = e.reshape(1,1,10)
>>> a
array([[[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]]])
>>> np.squeeze(a)
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
np.mean
np.mean(numpy.mean(a, axis, dtype, out,keepdims )
求取均值
经常操作的参数为axis,以m * n矩阵举例:
axis 不设置值,对 mn 个数求均值,返回一个实数
axis = 0:压缩行,对各列求均值,返回 1 n 矩阵
axis =1 :压缩列,对各行求均值,返回 m *1 矩阵
heatmap = np.mean(FeatureMap, axis=2)源代码输入的图片,经过卷积获得特征矩阵,这里是压缩通道,对各个通道求均值,返回w*h矩阵
np.expand_dims
扩展数组形状
np.expand_dims(array, axis)
axis=0,在行的方向上扩展一层
np.range和np.arange
range()不支持步长为小数,np.arange()支持步长为小数
两者都可用于迭代
两者都有三个参数,以第一个参数为起点,第三个参数为步长,截止到第二个参数之前的不包括第二个参数的数据序列
np.arange(1, 5, .5)
array([ 1. , 1.5, 2. , 2.5, 3. , 3.5, 4. , 4.5])
>>>range(1, 5, 2)
>>>for i in range(1, 5, 2):
... print(i)
1
3