np.newaxis的功能-2020最简单讲解

np.newaxis的功能:插入新维度

目前经常用在机器学习numpy中的矩阵运算

这样改变维度的作用往往是将一维的数据转变成一个矩阵，与代码后面的权重矩阵进行相乘， 否则单单的数据是不能呢这样相乘的哦。

举个简单的例子介绍一下吧。

栗子1：

 a=np.array([1,2,3,4,5])
 print(a.shape)
 print (a)

输出：
(5,)
[1 2 3 4 5]

栗子2：

a=np.array([1,2,3,4,5])
aa=a[:,np.newaxis]
print(aa.shape)
print (aa)

输出：(5, 1)
[[1]
[2]
[3]
[4]
[5]]

栗子3：

a=np.array([1,2,3,4,5])
aa=a[np.newaxis,:]
print(aa.shape)
print (aa)

输出
(1, 5)
[[1 2 3 4 5]]

扫描二维码关注公众号，回复： 11900839 查看本文章

看明白了吧，原来np.newaxis的作用是增加一个维度。
对于[: , np.newaxis] 和 [np.newaxis，：]
是在np.newaxis这里增加1维。

真实案例

gradient_w在执行np.mean后会成为一维数组，由于后续需要梯度下降计算

必须将gradient_w转换为二维矩阵。