分类：shape

2021
03-23

Numpy中的shape函数的用法详解

shape函数的功能是读取矩阵的长度，比如shape[0]就是读取矩阵第一维度的长度,相当于行数。它的输入参数可以是一个整数表示维度，也可以是一个矩阵。shape函数返回的是一个元组，表示数组（矩阵）的维度，例子如下：1.数组（矩阵）只有一个维度时，shape只有shape[0]，返回的是该一维数组（矩阵）中元素的个数，通俗点说就是返回列数，因为一维数组只有一行，一维情况中array创建的可以看做list（或一维数组），创建时用（）和[]... 继续阅读 >

2020
11-29

c++ 形状类Shape(派生出圆类Circle和矩形类Rectangle)

1．建立一个形状类Shape作为基类，派生出圆类Circle和矩形类Rectangle，求出面积并获取相关信息。具体要求如下：（1）形状类Shape（a）保护数据成员doublex,y：对于不同的形状，x和y表示不同的含义，如对于圆，x和y均表示圆的半径，而对于矩形，x表示矩形的长，y表示矩形的宽。访问权限定义为保护类型是为了能被继承下去，以便派生类能直接访问x和y。（b）公有成员函数构造函数Shape(double_x,double_y)：用_x、_y分别初始化x、... 继续阅读 >

2020
10-08

python报错: 'list' object has no attribute 'shape'的解决

numpy.array可使用shape。list不能使用shape。可以使用np.array(listA)进行转换。（array转list：arrayBB.tolist()即可）补充知识：Pandas使用DataFrame出现错误：AttributeError:'list'objecthasnoattribute'astype'在使用Pandas的DataFrame时出现了错误:AttributeError:‘list'objecthasnoattribute'astype'代码入下：importpandasaspdpop={'Nevada':{2001:2.4,2002:2.9},'Ohio':{2000:1.5,2001:1.... 继续阅读 >

2020
10-08

Pytorch 卷积中的 Input Shape用法

先看Pytorch中的卷积classtorch.nn.Conv2d(in_channels,out_channels,kernel_size,stride=1,padding=0,dilation=1,groups=1,bias=True)二维卷积层,输入的尺度是(N,C_in,H,W)，输出尺度（N,C_out,H_out,W_out）的计算方式这里比较奇怪的是这个卷积层居然没有定义inputshape，输入尺寸明明是：（N,C_in,H，W），但是定义中却只需要输入in_channel的size，就能完成卷积，那是不是说这样任意size的image都可以进行卷积呢... 继续阅读 >

2020
10-08

使用tensorflow根据输入更改tensor shape

涉及随机数以及类RNN的网络构建常常需要根据输入shape，决定中间变量的shape或步长。tf.shape函数不同于tensor.shape.as_list()函数，后者返回的是常值list，而前者返回的是tensor。使用tf.shape函数可以使得中间变量的tensor形状随输入变化，不需要在构建Graph的时候指定。但对于tf.Variable，因为需要提前分配固定空间，其shape无法通过上诉方法设定。实例代码如下：a=tf.placeholder(tf.float32,[None,])b=tf.random_normal... 继续阅读 >

2020
10-08

Numpy中ndim、shape、dtype、astype的用法详解

本文介绍numpy数组中这四个方法的区别ndim、shape、dtype、astype。1.ndimndim返回的是数组的维度，返回的只有一个数，该数即表示数组的维度。2.shapeshape：表示各位维度大小的元组。返回的是一个元组。对于一维数组：有疑问的是为什么不是（1，6），因为arr1.ndim维度为1，元组内只返回一个数。对于二维数组：前面的是行，后面的是列，他的ndim为2，所以返回两个数。对于三维数组：很难看出，下面打印arr3，看下它是什么结构。先... 继续阅读 >

2020
10-07

解决keras加入lambda层时shape的问题

使用keras时，加入keras的lambda层以实现自己定义的操作。但是，发现操作结果的shape信息有问题。我的后端是theano，使用了sum操作。比如输入时，shape为（32，28，28），其中32为batch大小。此时对应的ndim应该等于3。但是，lambda处理后结果显示_keras_shape为（32，28，28），而ndim却是2。这导致后边各项操作都会出现问题。此处sum函数加入参数keepdims=True即可。此注意keras中的各种层几乎都不用去理会batch的大小，系统会自... 继续阅读 >