Gluon学习03-基础数据类型Ndarray

小书匠 kindle

目录,方便快速定位:

1.安装cuda与cudnn
2.安装mxnet-gpu

本机环境介绍:

系统:Linuxmint
Python版本:Python3

1.API介绍

MxNet版本:1.2.0
API地址:https://mxnet.incubator.apache.org/api/python/ndarray/ndarray.html

Ndarray在CPU/GPU上提供必要的张量操作,是一个多维的,固定大小的,同类型的矩阵.mxnet.ndarray与numpy.ndarray非常相似.

The NDArray class:
1.属性
shape/size/ndim/context/dtype

 
     import mxnet as mx  
       
from mxnet import nd  
       
import numpy as np  
       
#数据的形状  
       
>>> x = mx.nd.array([1, 2, 3, 4])  
       
>>> x.shape  
       
(4L,)  
       
>>> y = mx.nd.zeros((2, 3, 4))  
       
>>> y.shape  
       
(2L, 3L, 4L)  
       
#数据的多少  
       
>>> import numpy as np  
       
>>> x = mx.nd.zeros((3, 5, 2))  
       
>>> x.size  
       
30  
       
>>> np.prod(x.shape)  
       
30  
       
#数据的阶/秩  
       
>>> x = mx.nd.array([1, 2, 3, 4])  
       
>>> x.ndim  
       
1  
       
>>> x = mx.nd.array([[1, 2], [3, 4]])  
       
>>> x.ndim  
       
2  
       
#数据所在的设备  
       
>>> x = mx.nd.array([1, 2, 3, 4])  
       
>>> x.context  
       
cpu(0)  
       
>>> type(x.context)  
       
>>> y = mx.nd.zeros((2,3), mx.gpu(0))  
       
>>> y.context  
       
gpu(0)  
       
#数据的类型  
       
>>> x = mx.nd.zeros((2,3))  
       
>>> x.dtype  
       
>>> y = mx.nd.zeros((2,3), dtype='int32')  
       
>>> y.dtype

2.转换

 
     #转为标量,形状必须是(1,)  
       
>>> x = mx.nd.ones((1,), dtype='int32')  
       
>>> x.asscalar()  
       
1  
       
>>> type(x.asscalar())  
       
#复制  
       
>>> x = mx.nd.ones((2,3))  
       
>>> y = x.copy()  
       
>>> y.asnumpy()  
       
array([[ 1., 1., 1.],  
       
 [ 1., 1., 1.]], dtype=float32)

3.创建

 
     #通过自身API创建  
       
>>> a=nd.arange((10))  
       
>>> a  
       
[0. 1. 2. 3. 4. 5. 6. 7. 8. 9.]  
       
<NDArray 10 @cpu(0)>  
       
>>> b=nd.zeros((2,3))  
       
>>> b  
       
[[0. 0. 0.]  
       
 [0. 0. 0.]]  
       
<NDArray 2x3 @cpu(0)>  
       
>>> c=nd.ones((2,3,1))  
       
>>> c  
       
[[[1.]  
       
 [1.]  
       
 [1.]]  
       
 [[1.]  
       
 [1.]  
       
 [1.]]]  
       
<NDArray 2x3x1 @cpu(0)>  
       
#通过list创建  
       
>>> d=[6,5,4,3,2,1]  
       
>>> e=nd.array(d)  
       
>>> e  
       
[6. 5. 4. 3. 2. 1.]  
       
<NDArray 6 @cpu(0)>

4.形状

 
     #转置  
       
>>> x = mx.nd.arange(0,6).reshape((2,3))  
       
>>> x.asnumpy()  
       
array([[ 0., 1., 2.],  
       
 [ 3., 4., 5.]], dtype=float32)  
       
>>> x.T.asnumpy()  
       
array([[ 0., 3.],  
       
 [ 1., 4.],  
       
 [ 2., 5.]], dtype=float32)  
       
#改变形状  
       
>>> x = mx.nd.arange(0,6).reshape(2,3)  
       
>>> x  
       
[[0. 1. 2.]  
       
 [3. 4. 5.]]  
       
<NDArray 2x3 @cpu(0)>  
       
>>> y = x.reshape(3,2)  
       
>>> y  
       
[[0. 1.]  
       
 [2. 3.]  
       
 [4. 5.]]  
       
<NDArray 3x2 @cpu(0)>  
       
#列多少不管,就明确是n行,列= (x.size/n)上整  
       
>>> y = x.reshape(2,-1)  
       
>>> y  
       
[[0. 1. 2.]  
       
 [3. 4. 5.]]  
       
<NDArray 2x3 @cpu(0)>  
       
#只要一行  
       
>>> y = x.reshape(-3)  
       
>>> y  
       
[0. 1. 2. 3. 4. 5.]  
       
<NDArray 6 @cpu(0)>  
       
>>>

5.元素扩展

 
     #拼接,输入数组的唯独应该相同  
       
x = [[1,1],[2,2]]  
       
y = [[3,3],[4,4],[5,5]]  
       
z = [[6,6], [7,7],[8,8]]  
       
concat(x,y,z,dim=0) = [[ 1., 1.],  
       
 [ 2., 2.],  
       
 [ 3., 3.],  
       
 [ 4., 4.],  
       
 [ 5., 5.],  
       
 [ 6., 6.],  
       
 [ 7., 7.],  
       
 [ 8., 8.]]

参考:
NDArray API

每日一学,争取进步03

Gluon学习03-基础数据类型Ndarray

Gluon学习03-基础数据类型Ndarray

1.API介绍

猜你喜欢