numpy——stack

np.stack(array,axis,out=None),函數原型。
其中最重要是的這個axis怎么理解的。
舉例說明:
arrays = [np.random.randn(3, 4) for _ in range(10)]
會生成一個 10 *( 3 * 4 )的矩陣列表。十個矩陣,每個矩陣是(3 * 4)大小。
首先說明一下axis的映射。在這個例子中,10->axis=0 ,3->axis=1

>>>np.stack(arrays,axis=1)
array([[[-0.42233185, -0.13270788, -0.47724388, -1.48881134],[ 0.2284937 , -0.30139984,  0.15633374,  0.04428078],[ 2.0193316 ,  0.1098357 , -0.32044757, -1.24868601],[ 0.9859909 , -0.42781564,  0.57524126,  0.58154297],[-0.13059124,  2.15207301,  0.36007904, -0.71344781],[-1.68010975,  1.25350273,  0.11073033, -0.28531604],[ 0.60021096, -0.18691447,  1.49261775,  0.47628294],[-0.18268831, -0.32463742, -0.89726008,  0.19245843],[-0.27384598,  0.56068318,  1.57096001,  1.11169077],[ 0.27035354, -0.54258351, -0.69891459,  1.84282464]],[[ 1.44874184, -1.6645958 ,  1.14128754, -2.26945958],[ 0.28754711, -1.59591539, -0.92798468, -0.05021877],[ 1.09050239, -0.86881164, -0.59820951, -0.39628311],[-1.09540304, -0.33438594, -0.71075442, -1.48691938],[ 0.7155825 ,  0.24710929, -0.65019501, -1.24407802],[-0.11059045, -1.57851632,  1.34142995, -0.44438407],[ 0.9258746 ,  1.62418684, -0.25380587, -1.1423341 ],[-1.76337136,  0.55031978,  1.25834475,  0.53257722],[ 0.05755626,  1.16156935, -1.84999546,  1.57175386],[ 0.48836813, -0.21907532, -0.78655392,  0.51705705]],[[-0.24451876, -0.09881284,  1.17611246,  0.81276037],[ 0.89510841,  0.9106155 ,  0.4923826 , -0.07364133],[-0.0670429 ,  0.72968107, -1.31473173, -0.31313322],[ 0.62314248,  0.97792175,  0.0840199 , -0.38035465],[ 0.70222737,  0.53761069,  0.50546661, -2.02777762],[-0.85454667, -0.76359383, -0.25280887, -0.94252057],[ 0.38294622, -0.38729216,  0.03757319, -0.48955485],[ 1.52718003,  1.14814816,  1.33147053, -0.50341043],[-0.38600834,  0.19781327, -0.35596671,  1.59331045],[-0.07073478, -1.4710414 ,  1.95192939, -0.83379204]]])
>>> np.stack(arrays, axis=1).shape
(3, 10, 4)

為什么會變成 3 * 10 * 4了呢。首先我們的函數是對 10 * 3 * 4 中的3,也就是axis=1,進行了堆疊。
那么這個 axis = 1,在十個矩陣中代表什么呢?代表 每個矩陣中的一行。所以這個函數的操作就是,把10矩陣中的第i行拿出來拼成一個矩陣。因為一個矩陣有三行,所以堆疊后的矩陣就是,3 * 10 * 4,這個10 * 4,就是原來矩陣中,十個矩陣的第一行,第二行,第三行,拼接而成的。所以是 3 * 10 * 4。




參考:https://www.jianshu.com/p/828ee070789b
?

?

?

本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:http://www.pswp.cn/news/256388.shtml
繁體地址,請注明出處:http://hk.pswp.cn/news/256388.shtml
英文地址,請注明出處:http://en.pswp.cn/news/256388.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

C# —— 簡單工廠設計模式詳述

一、基本概念 眾所周知,C#是一種面向對象的語言,而其中封裝,繼承,多態是面向對象的三大重要特征,簡單工廠的設計模式則可以完全體現這些特征。要徹底理解這個模式,必須要先將封裝(訪問修飾符的…

【計算機視覺】計算機視覺、模式識別、機器學習常用牛人主頁鏈接

計算機視覺、模式識別、機器學習常用牛人主頁鏈接 牛人主頁(主頁有很多論文代碼) Serge Belongie at UC San DiegoAntonio Torralba at MITAlexei Ffros at CMUCe Liu at Microsoft Research New EnglandVittorio Ferrari at Univ.of EdinburghKristen G…

C# 中的 ConfigurationManager類引用方法

c#添加了Configuration;后,竟然找不到 ConfigurationManager 這個類,后來才發現:雖然引用了using System.Configuration;這個包,但是還是不行的。 后來終于找到一個解決方法,就是在解決方案資源管理器里找到類文件選擇…

機器學習——支持向量機SVM之python實現簡單實例一(含數據預處理、交叉驗證、參數優化等)

目錄 一、SVM理論 二、numpy的相關函數介紹 三、python實現之準備 1、數據集的下載

工業相機常用類型詳述

一、工業相機定義 工業相機是應用于工業領域、安防和交通等對相機要求較高領域的攝像機,功能就是將光信號轉變成有序的電信號,此信號經過模數轉換為數字信號,然后傳遞給圖像處理器。與一般的家用相機相比,其具有更高的穩定性能&a…

機器學習——SVM之python實現數據樣本標準化和歸一化

目錄 一、標準化和歸一化的目的 1、標準化 2、歸一化 二、標準化和歸一化常用的理論公式 1、歸一化 2、標準化 三、python實現SVM樣本數據標準化和歸一化 1、標準化 2、歸一化 本文源代碼:《機器學習——支持向量機SVM之python實現簡單實例一》 一、標準化…

[黑群暉經典教程] 一步一步建立自己的黑群暉

【申明:本文并非本人所作,為內部網絡中一位大神所寫,個人覺得寫得很好,遂原文搬了過來,如有侵犯原作者的權利,請及時與我聯系】 PS:有好幾個兄弟覺得我擅自轉發,不是很妥。解釋一下:…

Java為什么能跨平臺運行

因為java程序編譯之后的代碼不是能被硬件系統直接運行的代碼,而是一種“中間碼”--字節碼。不同的硬件平臺上裝有不同的java虛擬機(JVM),由JVM來把字節碼再翻譯成所對應的硬件平臺能夠執行的代碼,因此java可以跨平臺運…

C++和Opencv4.5 實現全景圖像拼接

前言 最近剛下了最新版的opencv4.5,急不可待的試下操作,就用了opencv自帶的Stitcher類拼接下圖像,結果傻眼了,程序顯示Stitcher沒有createDefault成員,看了好久,終于找到了解決方法。 Stitcher原理 Stit…

機器學習——python實現SVM模型w,b的查看

基于源代碼:《機器學習——支持向量機SVM之python實現簡單實例一》進行講解 1、線性模型 這里以二特征三類,一對多策略為案例 kernel “linear”:線性核,參數有w,b 線性模型的決策邊界是:w0iTx0i w1i…

Codeforces-712C-Memory and De-Evolution

轉載于:https://www.cnblogs.com/GrowingJlx/p/6642764.html

移動端輸入框彈出鍵盤控制

在移動端,我們公司通過輸入框主要收集用戶的姓名和電話,以下是對輸入框獲取焦點時,控制彈出鍵盤的樣式來增強用戶體驗。 輸入姓名 我們的用戶都是中國人,輸入用戶名為中文,所以彈出鍵盤是輸入中文狀態即可,…

Opencv4.5-C++ 攝像頭畫面鏡像顯示及文件保存

前言 想試下新買電腦的攝像頭好用不&#xff0c;就寫了個攝像頭調用程序&#xff0c;實現了鏡像和圖片截取保存。 代碼 #include <iostream> #include <opencv2/stitching.hpp> #include <opencv2\opencv.hpp> #include <opencv2/highgui/highgui.h…

機器學習之支持向量機SVM之python實現ROC曲線繪制(二分類和多分類)

目錄 一、ROC曲線 二、TP、FP、TN、FN 三、 python繪制ROC曲線(二分類) 1、思路 2、關鍵代碼

easyui datagrid 列拖動

實現代碼-code <script type"text/javascript"> $.extend($.fn.datagrid.methods, { columnMoving: function(jq) { return jq.each(function() { var target this; var cells $(this).datagrid(getPanel).find(div.datagrid-header td[field]); cells.dragg…

window linux IPC ftok BY_HANDLE_FILE_INFORMATION

看這題目就很亂&#xff0c;心情當然也是不怎么美好了。前一段時間做了一個項目&#xff0c;AIX(Unix的一種&#xff09;中的一個系統向WINDOWS移植&#xff0c;開發環境由IBM的C/C(叫什么忘記了&#xff0c;好像是xlC)變為VC。 這是算過來&#xff0c;但是最近進程通信的信號量…

相機標定(一) —— 深入理解齊次坐標及其作用

一、什么是齊次坐標和齊次坐標系 齊次坐標 齊次坐標是一個相機標定問題的關鍵理論之一&#xff0c;所以就此問題分析一下。 單從定義上來講&#xff0c;齊次坐標&#xff08;投影坐標&#xff09;就是用N1維來代表N維坐標&#xff08;點和向量&#xff09;&#xff0c;也可說…

機器學習——圖解SVM中gamma和c參數的作用

參數c和gamma的作用 我們通過下圖詳解參數c的作用&#xff0c;首先我們以一個簡單的線性分類器為例&#xff0c;上一個博客中我們知道影響分類器的主要因素是支持向量&#xff0c;即虛線上的樣本&#xff0c;如下圖可知&#xff1a; 但當正負樣本的分布在如下情況時&#xff0…

關于結構體里面結構體的申明和使用

申請&#xff1a; typedef struct Vo{int Voltage;float Delay_ms;char Enable;}Volt_Def;typedef struct ed{float Delay_ms;int Level;}Edge_Def;typedef struct Ed_hard{Edge_Def a;Edge_Def b;Edge_Def c;}HARD_RESET;int power_sel 0xff;typedef struct power_x{Volt_Def…

面試題(十四)

唐巧前輩說這些都是 iOS 的基礎問題&#xff0c;應該對此深入的了解。當初看到時&#xff0c;大部分回答不上來&#xff0c;因為平時沒有好好思考整理過。這里大部分的概念大多會在學習 OC 的過程中遇到過&#xff0c;但還是得經過寫代碼才能有更深的理解。反正我當初看那些設計…