未加星标

Numpy高维数据的理解

字体大小 | |
[开发(python) 所属分类 开发(python) | 发布者 店小二05 | 时间 2018 | 作者 红领巾 ] 0人收藏点击收藏

编辑推荐: 本文来源csdn,本文主要对Numpy高维数据的理解进行介绍,希望对您的学习有所帮助。

Numpy高维数据的理解

当实际处理多维变量时,尤其需要使用到Tensorflow这样深度学习库,比如,图片数据批次其形状为:N×H×W×CN×H×W×C, 高维序列格式存在难以理解的问题。因此如何读懂这些高维序列是一个很基础的问题。

列表和1-D Numpy array


Numpy高维数据的理解

如何检索一个列表中的元素,上图给出了很好的描述

嵌套列表和2-D Numpy序列

当嵌套两个List事情就变得很有趣了。2-D表示:矩阵、数据库里的表格、灰度图像


Numpy高维数据的理解

上面是一个List里面嵌套了三个List,每个List都表示长方形表中的一个行向量

python中访问一个嵌套列表,通常使用两个方括号,具体如下:


Numpy高维数据的理解

下面是一些小例子:


Numpy高维数据的理解

我们将嵌套结构看做一棵树


Numpy高维数据的理解

2-D numpy arrays

V=np.array([[1, 0, 0],[0,1, 0],[0,0,1]])

2-D Numpy arrays 的加法运算

X=np.array([[1,0],[0,1]]) Y=np.array([[2,1][1,2]])

Z=X+Y;

Z:array([[3,1],[1,3]])
Numpy高维数据的理解

2-D Numpy arrays 的乘法运算

X=np.array([[1,0],[0,1]]) Y=np.array([[2,1][1,2]])

Z=X*Y;

Z:array([[2,0],[2,0]])
Numpy高维数据的理解

嵌套三个列表和3-DNumpys arrays

可以看到相比于2-D列表,3-DNumpys arrays增加了一个方括号


Numpy高维数据的理解

我们可以这样检索其中一个元素。


Numpy高维数据的理解

为了生活化场景,基本的二维表格形状不变,而增加了相应的多个表格,类似于地址- 楼层- 房间号的表达方式


Numpy高维数据的理解

而检索过程也类似于这样过程


Numpy高维数据的理解

nDNumpy序列的加法表达是这样:


Numpy高维数据的理解

4DNumpy


Numpy高维数据的理解
Numpy高维数据的理解

思考一下:

1. 如何表达如下矩阵Tensor?

1×2×2×11×2×2×1

3×3×1×13×3×1×1

3×3×2×13×3×2×1

3×3×2×23×3×2×2

给出答案:

[[[[1],[1]], [[1],[1]]]] [[[[1]],[[1]],[[1]]], [[[1]],[[1]],[[1]]], [[[1]],[[1]],[[1]]]] [[[[1],[1]],[[1],[1]],[[1],[1]]], [[[1],[1]],[[1],[1]],[[1],[1]]], [[[1],[1]],[[1],[1]],[[1],[1]]]] [[[[1,1],[1,1]],[[1,1],[1,1]],[[1,1],[1,1]]], [[[1,1],[1,1]],[[1,1],[1,1]],[[1,1],[1,1]]], [[[1,1],[1,1]],[[1,1],[1,1]],[[1,1],[1,1]]]]

本文开发(python)相关术语:python基础教程 python多线程 web开发工程师 软件开发工程师 软件开发流程

代码区博客精选文章
分页:12
转载请注明
本文标题:Numpy高维数据的理解
本站链接:https://www.codesec.net/view/621207.html


1.凡CodeSecTeam转载的文章,均出自其它媒体或其他官网介绍,目的在于传递更多的信息,并不代表本站赞同其观点和其真实性负责;
2.转载的文章仅代表原创作者观点,与本站无关。其原创性以及文中陈述文字和内容未经本站证实,本站对该文以及其中全部或者部分内容、文字的真实性、完整性、及时性,不作出任何保证或承若;
3.如本站转载稿涉及版权等问题,请作者及时联系本站,我们会及时处理。
登录后可拥有收藏文章、关注作者等权限...
技术大类 技术大类 | 开发(python) | 评论(0) | 阅读(46)