如何理解深度学习中的tensor(涉及numpy的二维,三维以及四维数据的理解)

  • Post author:
  • Post category:其他


0. 写作目的

好记性不如烂笔头。



结论:无论几维,都可以按照(Batch_size, Height, Width, Channle)来理解。

1. 二维数据的理解

理解为:


只有(Height, Width),而且理解的是对于每一【 】从后向前看。即第一个[0.1, 0.2, 0.3]是width维度的。

b = [[0.1, 0.2, 0.3], [0.4, 0.5, 0.6]]
b_array = np.array( b )

print(b_array)
print(b_array.shape)
print( b_array[1,2] )

### result

[[0.1 0.2 0.3]
 [0.4 0.5 0.6]]
(2, 3)
0.6

2. 对三维数据的理解

理解为:


只有(Height, Width, Channel),而且理解的是对于每一【 】从后向前看。即第一个[1, 2, 3, 3.5]是Channel维度的。

a = [ [[1, 2, 3, 3.5], [4,



版权声明:本文为holmes_MX原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。