資訊專欄INFORMATION COLUMN
摘要：寫在前面接我的上一篇博客，嘿嘿應(yīng)該能看懂吧，如果數(shù)組的維度懂了那就好理解了代碼說話就是轉(zhuǎn)置的意思，函數(shù)返回按你指定的方式轉(zhuǎn)置的矩陣舉個例子感性理解一下此處用面向?qū)ο缶幊桃部梢阅憧赡芤呀?jīng)明白了，他按照參數(shù)你給定的順序類進行轉(zhuǎn)置就是將第二維和第
寫在前面
接我的上一篇博客， 嘿嘿, 應(yīng)該能看懂吧，如果numpy數(shù)組的維度懂了那就好理解transpose了
代碼說話transpose就是轉(zhuǎn)置的意思，函數(shù)返回按你指定的方式轉(zhuǎn)置的矩陣
np.transpose(narray, axis=None)
舉個例子感性理解一下：
>>> a = np.array([[[1], [2]], [[3], [4]], [[5], [6]]])
array([[[1],
[2]],
[[3],
[4]],
[[5],
[6]]])
>>> a.transpose(0, 1, 2) # 此處用面向?qū)ο缶幊桃部梢?array([[[1],
[2]],
[[3],
[4]],
[[5],
[6]]])
>>> a.transpose(0, 2, 1)
array([[[1, 2]],
[[3, 4]],
[[5, 6]]])
你可能已經(jīng)明白了，他按照axis參數(shù)——你給定的順序類進行轉(zhuǎn)置
a.transpose(0, 2, 1)就是將第二維和第三維轉(zhuǎn)置
將
[[1]
[2]]
轉(zhuǎn)置為：
[[1, 2]]
你可能會為我為啥不是：
[[1], [2]]
這樣的話，又憑空增加了一個維度，(最后一維應(yīng)該是常數(shù)那一維)
所以，如果是a.transpose(1, 0, 2)
則是：
array([[[1],
[3],
[5]],
[[2],
[4],
[6]]])
技巧
可能比較難想，技巧的話
正視，你 要交換的那兩維組成的平面(目光與該平面垂直)，接著，將該平面轉(zhuǎn)置，另一維度不變
看array.shape也行，原來是(3, 2, 1),若執(zhí)行a.transpose(1, 0, 2),則shape為(2, 3, 1)
可以參考:https://blog.csdn.net/Heartho...
文章版權(quán)歸作者所有，未經(jīng)允許請勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。
轉(zhuǎn)載請注明本文地址：http://www.ezyhdfw.cn/yun/45249.html
摘要：提供了使我們能夠快速便捷地處理結(jié)構(gòu)化數(shù)據(jù)的大量數(shù)據(jù)結(jié)構(gòu)和函數(shù)。結(jié)構(gòu)化數(shù)據(jù)，例如多維數(shù)據(jù)矩陣表格行數(shù)據(jù)，其中各列可能是不同的類型字符串?dāng)?shù)值日期等?；A(chǔ)數(shù)組和矢量計算高性能科學(xué)計算和數(shù)據(jù)分析的基礎(chǔ)包。 本篇內(nèi)容為整理《利用Python進行數(shù)據(jù)分析》，博主使用代碼為 Python3，部分內(nèi)容和書本有出入。 利用 Python 進行科學(xué)計算的實用指南。本書重點介紹了用于高效解決各種數(shù)據(jù)分析問...
摘要：理論基礎(chǔ)什么是神經(jīng)網(wǎng)絡(luò)我們知道深度學(xué)習(xí)是機器學(xué)習(xí)的一個分支，是一種以人工神經(jīng)網(wǎng)絡(luò)為架構(gòu)，對數(shù)據(jù)進行表征學(xué)習(xí)的算法。深度神經(jīng)網(wǎng)絡(luò)中的深度指的是一系列連續(xù)的表示層，數(shù)據(jù)模型中包含了多少層，這就被稱為模型的深度。 理論基礎(chǔ) 什么是神經(jīng)網(wǎng)絡(luò) 我們知道深度學(xué)習(xí)是機器學(xué)習(xí)的一個分支，是一種以人工神經(jīng)網(wǎng)絡(luò)為架構(gòu)，對數(shù)據(jù)進行表征學(xué)習(xí)的算法。而深度神經(jīng)網(wǎng)絡(luò)又是深度學(xué)習(xí)的一個分支，它在 wikipedia...
閱讀 2778·2021-11-23 09:51
閱讀 1109·2021-09-24 10:37
閱讀 3843·2021-09-02 15:15
閱讀 2042·2019-08-30 13:03
閱讀 1980·2019-08-29 15:41
閱讀 2708·2019-08-29 14:12
閱讀 1505·2019-08-29 11:19
閱讀 3384·2019-08-26 13:39
