随笔分类 - numpy
摘要：https://www.cnblogs.com/antflow/p/7220798.html numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None) 在指定的间隔内返回均匀间隔的数字。 返回num均匀
阅读全文
摘要：一般的初始化就是用zeros这种去初始化，但你想测试一些函数的时候，如果是全0其实不好测试 可以先用python本身初始化一个list，然后转换成numpy的array 这样就能测试一个floor函数代表什么意思了
阅读全文
摘要：在numpy中，'+' 和add 是一样的 有种特殊情况需要注意，x1和x2的shape不一样的加法： 两个shape不一样的array相加后会变成一个common shape x1是3x3的，x2是1x3的，加了之后就变成3x3，实际上是把x2在x1的第一维上加了3次 faster rcnn中的r
阅读全文
摘要：http://blog.csdn.net/baiyu9821179/article/details/53365476 a=([3.234,34,3.777,6.33]) a为python的list类型 将a转化为numpy的array: np.array(a) array([ 3.234, 34.
阅读全文
摘要：>>> 2**np.arange(3, 6) array([ 8, 16, 32])
阅读全文
摘要：low、high、size三个参数。默认high是None,如果只有low，那范围就是[0,low)。如果有high，范围就是[low,high)。
阅读全文
摘要：argsort是将array排序并返回坐标值，默认是从小到大，添加负号-变成从大到小。这个函数并不改变原来的array。 argmax是返回array中最大值的坐标 貌似arg都是返回坐标
阅读全文
摘要：可以看到，where返回的都是坐标，要注意where对于一维array的返回
阅读全文
摘要：cs231n上的一个代码，能求出准确率： 如果a[0]==b[0]，返回1，不等于返回0，再把所有的加起来求平均就得到了结果
阅读全文
摘要：import numpy as np X = np.array([[1, 2], [4, 5], [7, 8]]) print np.mean(X, axis=0, keepdims=True) print np.mean(X, axis=1, keepdims=True) 结果是分别是 [[ 1.
阅读全文
摘要：size函数只能用于计算array，不能用于计算list，返回的是数组的元素个数 len函数既可以计算array，也可以计算list 可以看出，len返回的是第一维元素的个数
阅读全文
摘要：array：数组 matrix：矩阵 list：列表 注意：虽然从外型看，array和matrix与list很像，但实际上是不一样的。list是在python中的，array只存在于numpy这个科学计算库中。为什么array和list差不多，还要在numpy专门设置一个array？array在nu
阅读全文
摘要：>>> x = np.array([1,2]) >>> x.shape (2,) >>> y = np.expand_dims(x, axis=0) >>> y array([[1, 2]]) >>> y.shape (1, 2) >>> x = np.array([1,2]) >>> x.shape (2,) >>> y = np.expand_dims(x, axis=1) >...
阅读全文
摘要：numpy.concatenate((a1, a2, ...), axis=0) Join a sequence of arrays along an existing axis.（按轴axis连接array组成一个新的array） The arrays must have the same sha
阅读全文
摘要：concatenate函数的作用是对numpy数组或tensor进行拼接
阅读全文
摘要：>>> np.sum([0.5, 1.5]) 2.0 >>> np.sum([0.5, 0.7, 0.2, 1.5], dtype=np.int32) 1 >>> np.sum([[0, 1], [0, 5]]) 6 >>> np.sum([[0, 1], [0, 5]], axis=0) array([0, 6]) >>> np.sum([[0, 1], [0, 5]], axis=1) ...
阅读全文
摘要：numpy中的matrix和array
阅读全文
摘要：1.range()返回的是range object，而np.arange()返回的是numpy.ndarray() range尽可用于迭代，而np.arange作用远不止于此，它是一个序列，可被当做向量使用。 2.range()不支持步长为小数，np.arange()支持步长为小数 3.两者都可用于
阅读全文
