Python数组矩阵基础-笔记1
启发来自LSTM -随笔小记
tensorflow中 tf.dynamic_rnn使用,outputs和state理解
X = np.random.randn(2, 3, 4)
print(X)
[[[ 1.57583628 -0.11294634 -1.30303039 1.40012909]
[ 0.01332658 1.13386684 -1.85374113 -2.40104393]
[-0.09192764 0.3341787 0.01389223 0.18401287]]
[[ 0.05208188 1.90103857 -0.0815116 -1.16678965]
[-1.94473853 1.26478929 1.89038174 -0.37528336]
[ 0.12901157 1.36859136 -0.63972486 0.30404003]]]
2代表两个(3*4)的矩阵,3行4列,(并不是以前我的理解中长宽高了)
Python矩阵索引下标从0起,-1代表最后一个时刻,因为这里只取到2个也就是(0,1),所以最后一个时刻就是X[1],也就是x[-1],X[-2]倒数第二个时刻。
print(‘X[0]’,X[0])#X[0]=X[-2]
print(‘X[-1]’,X[-1])#X[-1] =X[1]
print(‘X[-2]’,X[-2])
X[0]
[[ 1.57583628 -0.11294634 -1.30303039 1.40012909]
[ 0.01332658 1.13386684 -1.85374113 -2.40104393]
[-0.09192764 0.33