np.squeeze 的用法

简介: np.squeeze 的用法

我在可视化我的数据集的时候,我发现有些不同

比如我同样的代码可视化CIFAR10数据集是没有问题的

但是我去可视化MINST这种没有RGB数据集的时候,我发现用Pytorch的loader不能直接可视化


我发现,这里面可视化我们需要np.squeeze


squeeze 函数:从数组的形状中删除单维度条目,即把shape中为1的维度去掉

所以如果我们的图片为28x28x1,我们可以用这个函数直接可视化图片


>>> a = e.reshape(1,1,10)
>>> a
array([[[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]]])
>>> np.squeeze(a)
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
import numpy as np
x = np.array([[[0], [1], [2]]])
print(x.shape)
d = np.squeeze(x)   # 从数组的形状中删除单维条目,即把shape中为1的维度去掉
print(d.shape)

(1,3,1)

(3,)

相关文章
|
7月前
|
存储 算法 计算机视觉
np.zeros初始化图像
np.zeros初始化图像
|
4月前
np.where()使用详解
1.函数介绍 np.where函数相当于三元表达式的向量版本,能够针对向量作三元操作,有两种使用方法。 np.where(condition, x, y):当满足第一个参数条件时,where返回x,不满足第一个参数的条件时返回y。
57 0
|
5月前
|
Python
Python的reshape的用法:reshape(1,-1)、reshape(-1,1)
Python的reshape的用法:reshape(1,-1)、reshape(-1,1)
105 0
|
机器学习/深度学习 PyTorch TensorFlow
concatenate是什么意思?
Concatenate 是指将两个或多个张量(Tensor)沿着指定的维度拼接在一起,生成一个新的张量的操作。在神经网络中,常常需要将多个张量按照某种规则进行拼接,以得到更高维度的特征表示,或者将不同特征的张量进行融合。例如,在多模态语音识别中,可以将音频特征和文本特征按照时间步进行拼接,以得到更为丰富的语音特征表示。
402 0
|
PyTorch 算法框架/工具
torch.split 的用法
这将返回一个元组,包含 3 个大小分别为 (6, 2)、(6, 2) 和 (6, 4) 的张量。 需要注意的是,当给定的拆分大小不等于张量在指定维度上的大小时,torch.split() 会引发一个异常。
366 0
怎么将[tensor([[ 1, 2]]), tensor([[5, 6]]), tensor([[9, 10]])] 合并成 tensor([[1,2],[3,4],[5,6]])
可以先使用 torch.cat() 函数将列表中的张量在第0维(行)上进行拼接,然后再使用 .view() 函数将形状调整为需要的形状。
125 0
torch中如何将tensor([[1, 2, 3]]) 和 tensor([4]) 合并成 tensor([[1,2,3,4]])
可以使用 torch.cat() 方法将两个张量沿着指定的维度进行拼接
383 0
|
C语言 Python
numpy.zeros(np.zeros)使用方法--python学习笔记31
numpy.zeros(np.zeros)使用方法--python学习笔记31
279 0
|
Python
【Numpy库学习笔记】Numpy中dim、shape和size的理解
【Numpy库学习笔记】Numpy中dim、shape和size的理解
236 0