图示效果图：
直接贴代码：
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)运行结果图：
分析： 有运行结果可知，创建了六个通道，在深度学习中这六个通道相当于六个Feature Map，对应结果图中的六列。
再向外看一层，共有三个块，每个块代表这个通道的第几行数据。
每个块里有五行数据，每一行代表每个通道的第几列数据
所以，代码中的赋值语句： data_array[1, 2, 2] = 1
表示为第2个通道，下标从0开始，所以在图中位置为第三列；第1行第2列，下标从0开始，所以图中表示第二个块的第三行；即为图中所示位置。
补充：三维数组的求和
多维数组的轴（axis=）是和该数组的size（或者shape）的元素是相对应的；
>>> 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]])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/228168.html原文链接：https://javaforall.net
