1.将数据切分
pytorch: tensor_data.view(N,T,C,V,W) #例,将tensor数据拆分为N,T,C,V,W。允许设置-1,计算默认维度的值
numpy:numpy_data.reshape(N,T,C,V,W) #例,将numpy数据拆分为N,T,C,V,W。
2.改变数据维度
pytorch:tensor_data.permute(0,1,3,2,4) #例,将2,3维度调换。
numpy:numpy_data.transpose(0,1,4,3,2) #例,将 2,4维度调换。
3.沿某一维度取平均
pytorch:tensor_data.mean(dim,keepdims = ?) #例,将dim维度取均值,取-1代表最后一个维度,keepdims表示是否保留此维度,取值为0或1
numpy:numpy_data.mean(dim,keepdims = ?) #
4.对数组求平方
pytorch:tensor_data.pow(2) #
numpy: numpy_data.square() #
5.沿某一维度相加
pytorch:tensor_data.sum(dim,keepdims = ?) #例,将dim维度求和,keepdims表示是否保留此维度,取值为0或1
numpy:numpy_data.sum(dim,keep_dims = ?)
6.求内积:不可用数据调用
pytorch:torch.matmul(a,b) # import torch
numpy: numpy.matmul(a,b) # import numpy
numpy.dot(a,b) #常用于低维
7.矩阵相乘: a*b即可
8.去除维度值为1的维度
pytorch:torch_data.squeeze(dim) #将dim维度去除,注意只有当dim = 1时才能被去除,不带任何参数时将所有维度为1的删除,-1表示最后一个。-2表示倒数第二个.... 。
numpy:numpy_data.squeeze(dim) #同上。
9,添加维度为1的维度
pytorch:torch_data.unsqueeze(dim) #在dim处添加值为1的维度必须带参数,-1表示最后一个位置。-2表示倒数第二个位置... 。
numpy:np.expand_dims(a,dim = ?) #这里不能用数据调用!!!
!!以上均展示的为数据直接调用,无特殊说明,均可以替换为np.xxxx(data,...) 或 torch.xxxx(data,....)