shape函数是分别Numpy中的函数,它的什意思附功能是读取矩阵的长度,比如shape[0]就是代码读取矩阵第一维度的长度。
直接用.shape可以快速读取矩阵的分别形状,使用shape[0]读取矩阵第一维度的什意思附长度。
.shape的代码使用方法
>>>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分别长度,即数组的什意思附行数。
shape[1]的代码使用方法
>>>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分别表示方法:shape[-1]
首先需要知道,对于二维张量,什意思附shape[0]代表行数,代码shape[1]代表列数,分别同理三维张量还有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]:表示矩阵的什意思附行数
shape[1]:表示矩阵的列数
一般来说,-1代表最后一个,代码所以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。