numpy中三维数组的理解
三维数组图形–立方体
我们在做图像处理，RNN序列数据，迭代数据的时候会遇到三维数组，我们应该理解这三种情况下三维数组的数据分布是怎么样的，才能更好的理解算法，和程序的原理，其实三维数组就是三维的数，这么说确实很抽象，空洞。但是我们可以将三维数组想象成为一个立方体，三维数组的每个维度代表着立方体的长宽高的一个，假设我们与一个三维数组a[3][3][3]，把它形象成为一个变长为3的立方体，每一个维度就是将对的边三等分，我们将第一维度理解为立方体的长，第二维度理解为宽，第三维度理解为高，想象立方体就在我们前面，一个面和我们的身体平行
- a[1]：就表示立方体中间的一个水平面
- a[0][0]：就表示左上角的一个和我们身体垂直的边
- a[:, :,0]：表示与我们身体平行的第一个平面
接下来创建一个是3X3的三维数组
import numpy as np x = np.arange(27) print(x) x = np.reshape(x, (3,3,3)) print('(行，列， 通道)', x.shape) print(x) print('第0个水平面', x[0]) print('变成 a ', x[0][0]) 图片中的三维数组
图片是又RGB三种颜色构成的，我们可以将它看作是一个三维数组，这个三维数组就是一个立方体，三维数组的第一维就是图片的宽度
- a[:, :, 0]：表示R通道的长宽图片
RNN中序列数据的三维数组
在rnn中序列数据，其由数据特征维度，数据量维度，数据时间步维度构成，我是这么理解的
- 数据特征维度：就是一个数据数据有多少个特征，可以理解为一个数据数据的向量的人维度
- 数据量维度：就是一个时间步总共有多少个数据输入数据
迭代数据中的三维数组
例如我们要生成一个迭代器，一次输出为一次迭代，一个迭代假设有128个批次（batch），可以用立方体的水平面表示一个批次，立方体的长可以表示数据量维度数据的，宽表示数据特征维度，高表示批次
- a[0] 表示一个批次
- a[0][0] 表示第一个批次的第0个输入数据
- a[0][0][0] 表示第一个批次，第0个输入数据的第0个特征
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/210539.html原文链接：https://javaforall.net
