numpy多維數組理解
轉載https://blog.csdn.net/nianzu_ethan_zheng/article/details/79038212
Numpy高維數據的理解
當實際處理多維變量時,尤其需要使用到Tensorflow這樣深度學習庫,比如,圖片數據批次其形狀為:, 高維序列格式存在難以理解的問題。因此如何讀懂這些高維序列是一個很基礎的問題。
列表和1-D Numpy array
如何檢索一個列表中的元素,上圖給出了很好的描述
嵌套列表和2-D Numpy序列
當嵌套兩個List事情就變得很有趣了。2-D表示:矩陣、數據庫裏的表格、灰度圖像
上面是一個List裏面嵌套了三個List,每個List都表示長方形表中的一個行向量
在Python中訪問一個嵌套列表,通常使用兩個方括號,具體如下:
下面是一些小例子:
我們將嵌套結構看做一棵樹
2-D numpy arrays
V=np.array([[1, 0, 0],[0,1, 0],[0,0,1]])
- 1
2-D Numpy arrays 的加法運算
X=np.array([[1,0],[0,1]])
Y=np.array([[2,1][1,2]])
Z=X+Y;
Z:array([[3,1],[1,3]])
- 1
- 2
- 3
- 4
2-D Numpy arrays 的乘法運算
X=np.array([[1 ,0],[0,1]])
Y=np.array([[2,1][1,2]])
Z=X*Y;
Z:array([[2,0],[2,0]])
- 1
- 2
- 3
- 4
嵌套三個列表和3-DNumpys arrays
可以看到相比於2-D列表,3-DNumpys arrays增加了一個方括號
我們可以這樣檢索其中一個元素。
為了生活化場景,基本的二維表格形狀不變,而增加了相應的多個表格,類似於地址- 樓層- 房間號的表達方式
而檢索過程也類似於這樣過程
nDNumpy序列的加法表達是這樣:
4DNumpy
思考一下:
1. 如何表達如下矩陣Tensor?
給出答案:
[[[[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]]]]
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
在原文章中,表達較為清晰,適合新手入門。
Reference:From Python Nested Lists to Multidimensional numpy Arrays
<link href="https://csdnimg.cn/release/phoenix/mdeditor/markdown_views-258a4616f7.css" rel="stylesheet">
</div>
numpy多維數組理解