numpy
文章平均质量分 61
mz_老张
这个作者很懒,什么都没留下…
展开
-
两句话理解np.newaxis
两句话理解np.newaxis关于维度的理解可以参考:《Numpy,Tensor维度的理解方式》numpy数组或张量Tensor,中括号[]越靠近外面则越表示低维,越是靠近里面则越表示高维np.newaxis就是在指定维度增加一维。在原维度左边也就是低维增加维,则直接将原维包裹一个中括号[]即可。如果在原维度右边也就是高维增维,则需要将原维内每个元素加一个中括号[]例:c = np.array([1,2,3])c.shape#(3,)a = c[np.newaxis,:] #在原维度原创 2021-05-13 21:56:04 · 245 阅读 · 0 评论 -
Numpy,Tensor维度的理解方式
Numpy,Tensor维度的理解方式就像学数学一样,对加减乘除各方式都需要一个理解的入门方法。import numpy as npb = np.array([[[1,2], [3,4], [5,6]], [[11,12],[13,14],[15,16]], [[21,22],[23,24],[25,26]], [[31,32],[33,34],[35,36]]])print(b.ndim) # 3 pri原创 2021-04-02 16:24:47 · 1387 阅读 · 2 评论 -
关于numpy prod元素乘积简单理解
关于numpy prod元素乘积简单理解原函数:numpy.prod(a, axis=None, dtype=None, out=None, keepdims=, initial=)对numpy数组进行各维度上的求乘积结果。如果没有指出轴向,那么所有元素想乘.不指定轴向返回所有元素积二维import numpy as npa=[[1,2,3,4],[5,6,7,8]]na=np.array(a)print(na)p=np.prod(na)print()print(p)[[1原创 2021-01-11 11:31:24 · 1170 阅读 · 0 评论 -
numpy中argmax、argmin的用法
numpy中argmax、argmin的用法1.argmax,argmin的作用argmax: 返回每行或每列的最大值所在下标索引argmin: 返回每行或每列的最下值所在下标索引参数 axis=0 表示垂直方向,axis=1表示水平方向。(由于个人的思维定势,老认为1是垂直方向,所以遇到numpy的axis方向不管三七二十一,认为是反的,先把axis=1当作水平方向,再看axis=0)import numpy as npa=np.array([[1,2,3,4,5], [原创 2020-12-24 18:17:22 · 4241 阅读 · 1 评论 -
numpy.random.random与numpy.random.rand小区别
numpy.random.random与numpy.random.rand小区别两者都是可以初始化一个指定维度的随机numpy数组。不同点是:numpy.random.random必须传入一个元组来描述需要创建的数组维度格式,numpy.random.rand直接接数字参数。import numpy as np#创建一维数组imgs=np.random.random((10,)).astype('float32')print(imgs)print(imgs.shape)print(imgs原创 2020-08-10 10:00:12 · 610 阅读 · 0 评论