共计 2299 个字符,预计需要花费 6 分钟才能阅读完成。
一、Numpy
1.1 维度替换
swapaxes。将数组 n 个维度中两个维度进行调换,不扭转原数组据,resize 能够扭转原数组的数据。
import numpy as np
a = np.random.randint(1,10,(3,4))
print(a.shape) # out:(3,4)
a = a.swapaxes(0,1)
print(a.shape) # out:(4,3)
1.2 减少维度
np.newaxis 和 np.expand_dims。只能增加 shape 为 1 的维度
import numpy as np
a = np.random.randint(1,10,(3,4))
print(a.shape) # out:(3,4)
# 第一种形式:增加第 0 维
a1 = a[np.newaxis, :]
print(a1.shape) # out:(1,3,4)
# 第二种形式:增加第 1 维
a2 = np.expand_dims(a, axis=1)
print(a2.shape) # out:(3,1,4)
1.3 删除维度
np.squeeze。只能删除 shape 为 1 的维度
- axis 用于指定须要删除的维度,然而指定的维度必须为单维度,否则将会报错;
- axis 的取值可为
None
或int
或tuple of ints
, 可选。若 axis 为空,则删除所有单维度的条目;
import numpy as np
a = np.random.randint(1,10,(3,1,4))
print(a.shape) # out:(3,4)
a = np.squeeze(a,axis = 1)
# 或:a = a.squeeze(axis = 1)
print(a.shape) # out:(3,4)
1.4 拉直
import numpy as np
a = np.random.randint(1,10,(3,1,4))
print(a.shape) # out:(3,4)
a = a.flatten()
print(a.shape) # out:(12,)
二、Pytorch
2.1 维度调整
view 和 reshape 性能是一样的,先展平所有元素再依照给定 shape 排列,然而最终的总数量必须放弃不变。
import torch
a = torch.rand(28,2,4,28) # 四维张量
print(a.shape) # out:torch.Size([28, 2, 4, 28])
# 维度转换成一维,总大小不变
print(a.view(28,2*4,28).shape) # out:torch.Size([28, 8, 28])
# -1 示意任意维度(pytorch 依据,前面的维度本人推导,如总维度是 28*2*4*28=6272,此时 - 1 代表的维度就是 6272 / 14 =448)print(a.view(-1,14).shape) # out:torch.Size([448, 14])
2.2 维度替换
transpose 实现两个维度相互交换
import torch
a = torch.rand(4,3,17,32) # 四维张量
# transpose 后须要接 contiguous 保证数据在内存的连续性
b = a.transpose(1,3).contiguous()
print(b.shape) # out:torch.Size([4, 32, 17, 3])
permute 实现任意维度的替换
import torch
a = torch.rand(4,3,17,32)
b = a.permute(0,3,1,2).contiguous() # 按各维度的索引进行排列
print(b.shape) # out:torch.Size([4, 32, 17, 3])
2.3 减少维度
unsuqeeze。只能增加 shape 为 1 的维度
import torch
a = torch.rand(4,2,16,28) # out:torch.Size([4, 2, 16, 28])
print(a.shape)
a1 = a.unsqueeze(0) # 最后面减少一个维度
a2 = a.unsqueeze(1) # 在第 1,2 个维度两头减少一个维度
a3 = a.unsqueeze(-1) # 在最初面减少一个维度
print(a1.shape) # out:torch.Size([1, 4, 2, 16, 28])
print(a2.shape) # out:torch.Size([4, 1, 2, 16, 28])
print(a3.shape) # out:torch.Size([4, 2, 16, 28, 1])
# 办法 2:a1 = a[None, ...]
2.4 删除维度
suqeeze。只能删数 shape 为 1 的维度
import torch
a = torch.rand(4,2,28,17,1,1) # 四维张量
print(a.shape) # out:torch.Size([4, 2, 28, 17, 1, 1])
a1 = a.squeeze() # 删除所有维度为 1 的维度
a2 = a.squeeze(4) # 删除指定地位维度为 1 的维度
print(a1.shape) # out:torch.Size([4, 2, 28, 17])
print(a2.shape) # out:torch.Size([4, 2, 28, 17, 1])
2.5 反复维度
repeat 就是将 每个地位的维度都反复至指定的次数 ,以造成新的 Tensor,性能与 expand 一样,然而 repeat 会从新申请内存空间,repeat() 参数示意各个维度指定的反复次数。
import torch
a = torch.Tensor(1, 3, 1, 1)
print(a.shape)
b = a.repeat(64, 1, 600, 800) # 3 这里不想进行反复, 所以就相当于 "反复至 1 次"
print(b.shape) # out:torch.Size([64, 3, 600, 800])
正文完