这篇博客详细介绍了如何将二维数组通过转化和浮点数格式化，最终转化为ndarray并进行二维卷积。在卷积过程中，数据经过多次转换，从列表到numpy数组再到tensor，每次转换后进行卷积操作，直到数据变为1*1的值。整个过程揭示了深度学习中数据预处理和卷积运算的基本步骤。
思路：
-
先将二维数组转化为二维列表
-
将二维列表中的所有元素转化为float64格式
-
最后将其转化为ndarray
##对二维方阵进行二维卷积，直至卷积为1*1的数值
while(len(data2[0]) != 1):
b = []
data2 = data2.numpy() ##将tensor转化为为数组格式
data2 = data2.tolist() ##将数组转化为列表
for i in data2:
data3 = []
for item2 in i:
data3.append(float(item2)) ##将列表每个元素转化为float64的格式
b.append(data3)
m = np.array(b) ##将二维列表转化为二维数组ndarray
data2 = torch.from_numpy(m) ##转化为tensor格式
data2 = cnn.forward(data2) ##开始卷积
# length = len(data1[0])
data4 = data2.numpy()
print(data4)
扫一扫
4318
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
