欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

numpy中三維數(shù)組中加入元素后的位置詳解

 更新時間：2019年11月28日 09:11:07   作者：經(jīng)年不往  
今天小編就為大家分享一篇numpy中三維數(shù)組中加入元素后的位置詳解，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧

今天做數(shù)據(jù)處理時，遇到了從三維數(shù)組中批量加入二維數(shù)組的需求。其中三維數(shù)組在深度學習的特征數(shù)據(jù)處理時經(jīng)常會使用到，所以讀者有必要對該小知識點做到清楚了解并掌握?，F(xiàn)對三維數(shù)組中的元素位置結合代碼做詳細歸納總結，方便日后查閱和為網(wǎng)友答疑！

圖示效果圖：

直接貼代碼：

def test3D():
 import numpy as np
 data_array = np.zeros((3, 5, 6), dtype=np.int)
 data_array[1, 2, 2] = 1
 
 print(data_array)

介紹：通過np.zeros創(chuàng)建一個3行5列6個通道的三維數(shù)組，并給第二個通道的第一行第二列賦值1.

運行結果圖：

分析： 有運行結果可知，創(chuàng)建了六個通道，在深度學習中這六個通道相當于六個Feature Map，對應結果圖中的六列。

再向外看一層，共有三個塊，每個塊代表這個通道的第幾行數(shù)據(jù)。

每個塊里有五行數(shù)據(jù)，每一行代表每個通道的第幾列數(shù)據(jù)

所以，代碼中的賦值語句： data_array[1, 2, 2] = 1

表示為第2個通道，下標從0開始，所以在圖中位置為第三列；第1行第2列，下標從0開始，所以圖中表示第二個塊的第三行；即為圖中所示位置。

補充：三維數(shù)組的求和

多維數(shù)組的軸（axis=）是和該數(shù)組的size（或者shape）的元素是相對應的；

>>> np.random.seed(123)
>>> X = np.random.randint(0, 5, [3, 2, 2])
>>> print(X)
 
[[[5 2]
 [4 2]]
 
 [[1 3]
 [2 3]]
 
 [[1 1]
 [0 1]]]
 
>>> X.sum(axis=0)
array([[7, 6],
  [6, 6]])
 
>>> X.sum(axis=1)
array([[9, 4],
  [3, 6],
  [1, 2]])
 
>>> X.sum(axis=2)
array([[7, 6],
  [4, 5],
  [2, 1]])

如果將三維數(shù)組的每一個二維看做一個平面（plane，X[0, :, :], X[1, :, :], X[2, :, :]），三維數(shù)組即是這些二維平面層疊（stacked）出來的結果。則（axis=0）表示全部平面上的對應位置，（axis=1），每一個平面的每一列，（axis=2），每一個平面的每一行。

以上這篇numpy中三維數(shù)組中加入元素后的位置詳解就是小編分享給大家的全部內(nèi)容了，希望能給大家一個參考，也希望大家多多支持腳本之家。

相關文章

最新評論