亲宝软件园·资讯

展开

Python中shape[0]、shape[1]和shape[-1]分别的意思详解(附代码)

旅途中的宽~ 人气:2

前言

shape函数是Numpy中的函数,它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。

直接用.shape可以快速读取矩阵的形状,使用shape[0]读取矩阵第一维度的长度。

.shape的使用方法

>>> import numpy as np
>>> x=np.array([[1,2,3],[4,5,6]])
>>> print(x.shape)

(2, 3)

shape[0]的使用方法

>>> import numpy as np
>>> x=np.array([[1,2,3],[4,5,6]])
>>> print(x.shape[0])
2

其实,我们可以发现:

>>> print(len(x))
2

shape[0]读取矩阵第一维度的长度,即数组的行数。

shape[1]的使用方法

>>> print(x.shape[1])
3

是我们的数组的列数。

有时我们会遇到一种新的表示方法:shape[-1]

首先需要知道,对于二维张量,shape[0]代表行数,shape[1]代表列数,同理三维张量还有shape[2]

对于图像来说:

image.shape[0]——图片高

image.shape[1]——图片长

image.shape[2]——图片通道数

而对于矩阵来说:

shape[0]:表示矩阵的行数

shape[1]:表示矩阵的列数

一般来说,-1代表最后一个,所以shape[-1]代表最后一个维度,如在二维张量里,shape[-1]表示列数,注意,即使是一维行向量,shape[-1]表示行向量的元素总数,换言之也是列数:

我们还是举上面的例子:

>>> print(x.shape[-1])
3

就是求得的列数。

附:需要注意的小细节

 然后就是,需要注意turple,list等没有shape属性,需要替换成张量tensor

 注意,即使是三维,由于shape[0]表示向量数,所以shape[1]是行数,那么shape[2]还是列数,所以shape[-1]最后一维还是列数

import torch
 
x = torch.tensor([[2, 3, 4, 3, 6, 8],
                 [1, 8, 9, 5, 0, 1],
                 [2, 0, 2, 2, 7, 1]])
print(x.shape[-1])

输出是:6

6
 
Process finished with exit code 0

总结

加载全部内容

相关教程
猜你喜欢
用户评论