1. np.random.seed()
只要random.seed( * ) seed里面的值一样,那随机出来的结果就一样。所以说,seed的作用是让随机结果可重现。也就是说当我们设置相同的seed,每次生成的随机数相同。如果不设置seed,则每次会生成不同的随机数
2.numpy.sort
(a,axis=-1,kind='quicksort',order=None)
[source]github.com
返回的是一个经过复制排序后的数组
3.numpy.random.shuffle()
打乱顺序,生成随机列表,在深度学习中,经常让训练数据集中的数据打乱顺序,然后一个挨着一个地(for i in indices)生成训练数据对。
4. 关于shape
而对于矩阵来说:
shape[0]:表示矩阵的行数
shape[1]:表示矩阵的列数
在计算机视觉中:
img.shape[0]:图像的垂直尺寸(高度)
img.shape[1]:图像的水平尺寸(宽度)
img.shape[2]:图像的通道数
x=np.random.randint(1,10,(3,5))
print(x)
print(x.shape)
print(x.shape[0])
print(x.shape[1])