numpy
xf8964
这个作者很懒,什么都没留下…
展开
-
numpy生成网格方法
nump生成网格矩阵原创 2022-06-12 13:14:23 · 1209 阅读 · 0 评论 -
numpy中的argmax和max
argmax和max中的axisimport numpy as npa = np.array([[2,4,6,1],[1,5,2,9]])print(a)# 不加axis,将输入认为是一唯b = np.argmax(a)print(b)# axis=0 行压缩,不同行相同列找到相同列下不同行的最大索引b = np.argmax(a, axis=0)print(b)# axis=1 列压缩,不同列相同行b = np.argmax(a, axis=1)print(b)# 最后一个维原创 2020-06-18 14:06:59 · 811 阅读 · 0 评论 -
1.numpy中三维数组的理解
numpy中三维数组的理解三维数组图形--立方体图片中的三维数组RNN中序列数据的三维数组迭代数据中的三维数组三维数组图形–立方体我们在做图像处理,RNN序列数据,迭代数据的时候会遇到三维数组,我们应该理解这三种情况下三维数组的数据分布是怎么样的,才能更好的理解算法,和程序的原理,其实三维数组就是三维的数,这么说确实很抽象,空洞。但是我们可以将三维数组想象成为一个立方体,三维数组的每个维度代表...原创 2019-05-24 22:29:31 · 37364 阅读 · 16 评论 -
2.numpy数组不同维度相乘
numpy数组不同维度相乘一个行向量*一个列向量,结果是行向量的每一个元素乘以列向量中的所有元素,生成对应的列两个形状相同的矩阵做 * ,其实就是对应元素相乘x = np.array([1,2,3])print(x.shape)print(x)y = np.array([1,2,3,4,5,6])z = y[:, None]print(z)print(x*z)x = np....原创 2019-05-24 22:36:23 · 5353 阅读 · 0 评论