对多维数组计算中axis的理解

最新推荐文章于 2021-06-18 14:01:59 发布
最新推荐文章于 2021-06-18 14:01:59 发布
阅读量568 收藏 1
点赞数
分类专栏： tensorflow2学习笔记 文章标签： python tensorflow 矩阵
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/wd1256/article/details/106410569
版权
本文通过举例和树状图的方式，详细解释了在多维数组计算中，特别是使用tf.reduce_mean()时，如何理解axis参数。对于二维矩阵，axis=0表示按行求均值，axis=1表示按列求均值。将多维矩阵视为树结构，有助于理解高维情况下的axis。文章还探讨了四维矩阵的例子，并提供了代码实现。
摘要由CSDN通过智能技术生成

对多维数组计算中axis的理解

以tf.reduce_mean()为例

axis参数用来指定操作轴，对于二维矩阵来说是比较好理解的，比如上面的求均值函数，axis=0为每行的对应元素求均值，axis=1为每列的对应元素求均值。但是个人感觉这样记忆一是容易记混，二是难以拓展到高维。所以想到了一种理解方式，供大家参考。

我这种理解其实就是对于上面加粗的对应元素的扩展，二维时候是axis=0是每行的第一个元素求均值、第二个元素……，axis=1是每列的第一个元素求均值，第二个元素……

扩展到多维其实也是一样，我把多维矩阵理解成一个树状图，首先还是以简单的二维矩阵为例

二维矩阵

这样一个矩阵，其实也可以用下面的形式表示

树状表示
根节点表示该矩阵，根节点下面的一行（本文中称为第一行）表示行维度的两个元素，行维度的元素可以看做是向量，每个向量又包含两个列维度的元素。这样的话，如果令axis=0，计算每行中第一个元素的均值就是下图这样：二维均值计算

<
最低0.47元/天 解锁文章
wd1256
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Python多维矩阵的各个维度表示(axis = ......)
qq_51241339的博客
11-24 1877
实例带图说明python中三维矩阵各个维度
对于Numpy中多维数组的axis轴的理解（以sort函数以及rot90函数为例）
qq_42655006的博客
08-20 1714
最近笔者在看代码的时候看到对多维数组的旋转操作np.rot90(m, 1, (0, 1))，其中一个参数是axis轴，不太懂，于是查了很多资料，在这里写一下我自己的理解。 以三维数组为例，对于其形状可以描述成p×m×n，p表示第一维，m表示第二维，n表示第三维，例如np数组m = [[[1,2,3],[4,5,6]],[[7,8,9],[10,11,12]]]形状是2×2×3，第一维内容是两个二维数组[[1,2,3],[4,5,6]]和[[7,8,9],[10,11,12]]，第二维是四个一维数组[1,2,
numpy中多维数组的轴（axis）
热门推荐
01-14 2万+
多维数组的轴（axis=）是和该数组的size（或者shape）的元素是相对应的；>>> np.random.seed(123) >>> X = np.random.randint(0, 5, [3, 2, 2]) >>> print(X)[[[5 2] [4 2]] [[1 3] [2 3]] [[1 1] [0 1]]]>>> X.sum(axis=0) array([[7, 6],
numpy中多维数组的轴 axis
hftytf的博客
11-06 482
numpy中多维数组的轴 axis
如何理解numpy多维数组与Tensorflow张量中的axis概念
景越Python编程实例训练营
03-26 2337
在numpy中，使用的axis的地方非常多，常用的操作如average、max、min、sum。在Tensorflow中也一样。但是由于网上很多文章都说得云里雾里，没办法真正搞懂axis以及对应上面这些操作的真正含义。比如，求和这事：在numpy中，可能是这样：import numpy as np np.random.seed(1980) x = np.random.randint(0,5,[2...
Numpy 多维数据数组的实现
09-16
Numpy的多维数组允许进行高效的数学运算，是数据分析和科学计算的重要工具。 **1. 模块导入** 在Python中使用Numpy，首先需要导入模块。标准做法是： ```python import numpy as np ``` 这将整个numpy库导入，并...
NumPy中的维度Axis详解
09-18
对于更复杂的多维数组，理解轴的概念变得更加重要。以一个3维数组`x`为例，形状为`(2, 3, 4)`，它有三个轴，轴0对应最外层的2个元素，轴1对应中间的3个元素，轴2对应最内层的4个元素。通过指定不同的轴，我们可以...
Python科学计算—NumPy基础(2)
12-22
Python在科学计算领域有着广泛的应用，其中NumPy库是核心工具之一，提供了高效处理大型多维数组和矩阵的功能。在本篇文章中，我们将深入探讨NumPy的基础知识，特别是与数学函数相关的部分，包括三角函数、双曲函数、...
axis参数为自定义数组
05-28
NumPy是Python中的一个强大库，用于科学计算，它提供了多维数组对象（ndarray）以及大量对这些数组进行操作的函数。`axis` 参数在NumPy数组的许多方法中起到核心作用，如`sum()`, `mean()`, `max()`, `min()`等，...
python多维数组分位数的求取方式
09-17
对于多维数组，`numpy.percentile`可以配合`axis`参数使用，该参数指定在哪个轴上进行计算。例如，假设我们有一个二维数组`b`，我们可以沿行或列计算分位数： ```python b = np.array([[1, 2, 3], [4, 5, 6], [7, 8...
numpy的array
lxlong的博客
05-30 622
原文：https://blog.csdn.net/fu6543210/article/details/83240024 为什么要用numpy Python中提供了list容器，可以当作数组使用。但列表中的元素可以是任何对象，因此列表中保存的是对象的指针，这样一来，为了保存一个简单的列表[1,2,3]。就需要三个指针和三个整数对象。对于数值运算来说，这种结构显然不够高效。 Pyt...
axis 二维数组
fffly886的专栏
03-30 1007
axis 2d array利用axis在客户端传输二维数组，需要设置 客户端代码为 call.setOption("enable2DArrayEncoding", true); call.addParameter("in", XMLType.SOAP_ARRAY, double[][].class, ParameterMode.IN); call.setReturnType(double[][].class); 这样就可以向一个服务端发送二维数组，接收二维数组了 axis2暂时不支持二维数组，不
NumPy二维数组-轴(axis)详解
weixin_40994552的博客
06-18 899
轴也即相关索引的编号：第一个索引编号 axis=0, 第二个索引编号 axis=1 … np.sum(aij,axis=0) 运算, 指定 axis=0,也即指定 aij 中的第一个索引 i 进行变化，而 j 不变化， 结果就是: b[0] = a[0][0]+a[1][0] b[1] = a[0][1]+a[1][1] b[2] = a[0][2]+a[1][2] ...
numpy数组计算中的axis
libing101007的博客
07-17 259
 numpy数组计算中，经常要求按照某个轴计算，如axis=0/1.对于高维数组，究竟是在哪个维度上计算呢？其实axis中的0，1，2指的就是数组中数据块的层级关系。0就是最外层，指的是从最外层进入数组后的各个子数据块；1就是就是进入前面的各个子数据块后的更内层数据块。以如下二维数组为例，arr = np.array([[1,2,3], [6,5,4]]). (1) 当axis=0时，从最外层进入数组内部，面对的时[1,2,3]和[6,5,4]两个子数据块，将两个数据块计算， #求和 In [25]: ar
以argmax为例关于axis多维度的一点总结归纳
ycc2011的专栏
10-15 622
当初写的时候是用的TF，也是基于python的。所以希望在轴线维度上加深印象。 PS：在二维数组上而言.axis = 0即为竖; axis = 1为横向。记住即可，就不用下面这么麻烦了。 C = [[[16,6,3]，       [4,6,5]         [[8,7,9]，       [11,12,10]] ] 对于三维数组： 使用tf.Session（）作为SESS：...
Python中的Numpy
不太冷的莱昂的博客
10-14 185
为什么要用numpy Python中提供了list容器，可以当作数组使用。但列表中的元素可以是任何对象，因此列表中保存的是对象的指针，这样一来，为了保存一个简单的列表[1,2,3]。就需要三个指针和三个整数对象。对于数值运算来说，这种结构显然不够高效。 Python虽然也提供了array模块，但其只支持一维数组，不支持多维数组(在TensorFlow里面偏向于矩阵理解)，也没有各种运算函数。因而不适合数值运算。 NumPy的出现弥补了这些不足。 （——摘自张若愚的《Python科...
numpy中axis参数说明和数组轴的理解
weixin_47738095的博客
06-29 1254
1.numpy中axis参数说明： axis=i，即沿着数组第i个下标的变化方向进行操作。 2.关于NumPy中数组轴的理解： 学好数据分析，得学好Numpy；学好Numpy，首先彻底理解“轴”的概念！
caffe中常用的层：全连接层Full Connection层
BigCowPeking
05-01 2659
全连接层到底什么用？我来谈三点。全连接层（fully connected layers，FC）在整个卷积神经网络中起到“分类器”的作用。如果说卷积层、池化层和激活函数层等操作是将原始数据映射到隐层特征空间的话，全连接层则起到将学到的“分布式特征表示”映射到样本标记空间的作用。在实际使用中，全连接层可由卷积操作实现：对前层是全连接的全连接层可以转化为卷积核为1x1的卷积；而前层是卷积层的全连接层可以...
STM32 LL库指南：指定轴操作与NumPy数组理解
在Python的Numpy库中，"指定轴"是一个关键概念，它在处理多维数组时起到重要作用。轴(axis)参数允许用户指定在哪个维度上执行特定的统计或操作。在二维数组中，0代表垂直方向，1代表水平方向。对于更高维度的数组，...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值