柚子快報(bào)邀請(qǐng)碼778899分享：學(xué)習(xí)Numpy的奇思妙想

http://yzkb.51969.com/

學(xué)習(xí)Numpy的奇思妙想

本文主要想記錄一下，學(xué)習(xí) numpy 過(guò)程中的偶然的靈感，并記錄一下知識(shí)框架。 推薦資源：https://numpy.org/doc/stable/user/absolute_beginners.html

?靈感

為什么 numpy 數(shù)組的 shape 和 pytorch 是 tensor 是反著的？？

在讀入一個(gè) RGB 圖像的時(shí)候，pytorch 的張量通常是(batch, channel, height, width)，但是 numpy 的數(shù)組形狀通常是(height, width, channel)把數(shù)組轉(zhuǎn)換成張量直接用 transform.ToTensor()，但是在把 tensor 轉(zhuǎn)換成張量并用matplotlib 顯示前要注意轉(zhuǎn)換維度。from torchvision import transforms, datasets

from torch.utils.data import DataLoader

from PIL import Image

# 定義轉(zhuǎn)換操作，將圖片轉(zhuǎn)換為 tensor

transform = transforms.Compose([

transforms.Resize((256, 256)),

transforms.ToTensor(),

])

# 加載單個(gè)圖片

image_pil = Image.open('path_to_image.jpg')

image_tensor = transform(image_pil)

# 顯示圖片形狀

print(image_tensor.shape) # 輸出可能是 (channels, height, width)

# 注意：PyTorch 的 tensor 需要先轉(zhuǎn)置維度，然后才能用 matplotlib 顯示

plt.imshow(image_tensor.permute(1, 2, 0))

plt.show()

?猜想一下 numpy 是如何計(jì)算數(shù)組形狀的，可能是numpy得到一個(gè)輸入的列表，會(huì)先查看他的 len，得到一個(gè)數(shù)，這個(gè)就是第 0 維度，然后查看數(shù)組中第一個(gè)元素的 len，這個(gè)就是第 1 維度，以此類推。就像剝洋蔥一樣，一層一層的剝開(kāi)他的心。import numpy as np

a = [[[1,2,3],[4,5,6]]]

print(len(a)) # 1

print(len(a[0])) # 2

print(len(a[0][0])) # 3

print(np.array(a).shape) # (1,2,3)

圖片保存的時(shí)候，RGB 統(tǒng)一保存成一個(gè)顏色，比如#FFFFFF，他是在一起的，所以 channel 對(duì)于 numpy 來(lái)說(shuō)在最后邊。 ?? list 的索引返回副本（深拷貝），ndarry 的索引返回視圖（淺拷貝）

這個(gè)是例子import numpy as np

a_list = [1,2,3,4,5,6]

a_array = np.array(a_list)

b_list = a_list[0:4]

b_list[0] = 100

print(b_list, a_list)

# [100, 2, 3, 4] [1, 2, 3, 4, 5, 6]

b_array = a_array[0:4]

b_array[0] = 100

print(b_array, a_array)

# [100 2 3 4] [100 2 3 4 5 6]

同樣，展平數(shù)組時(shí)，.flatten() 和 .ravel()的區(qū)別也是如此， ravel() 創(chuàng)建的新數(shù)組實(shí)際上是對(duì)父數(shù)組的引用（即，“視圖”）。這意味著對(duì)新數(shù)組的任何更改也會(huì)影響父數(shù)組。由于 ravel() 不創(chuàng)建副本，因此它的內(nèi)存效率很高。 ?? empty 不是真的 empty

np.empty 創(chuàng)建的并不是0，他直接在內(nèi)存上開(kāi)辟空間，存儲(chǔ)的是“隨機(jī)”的內(nèi)容，可能全是 0，也可能不是 0。np.zeros 創(chuàng)建的才是真正的 0。np.random.rand 創(chuàng)建的才是真正的隨機(jī)。

Numpy組織結(jié)構(gòu)

https://numpy.org/doc/stable/reference/module_structure.html

【推薦使用】Main namespaces(Regular/recommended user-facing namespaces for general use)

numpynumpy.exceptionsnumpy.fftnumpy.linalgnumpy.polynomialnumpy.randomnumpy.stringsnumpy.testingnumpy.typing 【推薦使用】Special-purpose namespaces

numpy.ctypeslib - interacting with NumPy objects with ctypesnumpy.dtypes - dtype classes (typically not used directly by end users)numpy.emath - mathematical functions with automatic domainnumpy.lib - utilities & functionality which do not fit the main namespacenumpy.rec - record arrays (largely superseded by dataframe libraries)numpy.version - small module with more detailed version info 【不建議使用】Legacy namespaces(Prefer not to use these namespaces for new code. There are better alternatives and/or this code is deprecated or isn’t reliable.)

numpy.char - legacy string functionality, only for fixed-width stringsnumpy.distutils (deprecated) - build system supportnumpy.f2py - Fortran binding generation (usually used from the command line only)numpy.ma - masked arrays (not very reliable, needs an overhaul)numpy.matlib (pending deprecation) - functions supporting matrix instances

最后附上思維導(dǎo)圖，以后有機(jī)會(huì)可以探索更多的細(xì)節(jié)

柚子快報(bào)邀請(qǐng)碼778899分享：學(xué)習(xí)Numpy的奇思妙想

http://yzkb.51969.com/

推薦鏈接