Python-深度学习-学习笔记（15）：keras从多维张量中提取指定维度的方法

Python-深度学习-学习笔记（15）：keras从多维张量中提取指定维度的方法

在处理数据集的时候，有时我们需要提取多维张量中的指定维度，例如我的预处理的数据维度为（27,8400,2048），其中27表示有27类，而我需要对这些数据进行一类一类的处理，那么我要做的是将每一类分离出来。

也就是说获得27组维度为（8400,2048）的数据。

二维分离

通常用法：

x[:,n]或者x[n,:]

---

x[:,n]

表示在全部数组（维）中取第n个数据，直观来说，x[:,n]就是取所有集合的第n个数据。

例如：

import numpy as np

x = np.array([[0,1],[2,3],[4,5],[6,7],[8,9]])
print(x[:,0])
-------------------------------------------------------------------------------------------------
[0 2 4 6 8]

x[:,n]相当于取矩阵的第n列。

x[n,:]

表示在n个数组（维）中取全部数据，直观来说，x[n,:]就是取第n集合的所有数据。

例如：

import numpy as np

x = np.array([[0,1],[2,3],[4,5],[6,7],[8,9]])
print(x[0,:])
-------------------------------------------------------------------------------------------------
[0 1]

x[n,:]相当于取矩阵的第n行。

x[:,m:n]

表示取所有数据集的第m到n-1列数据，取行的同理。

多维分离

假设预处理的数据维度为（27，8400，2048）,其中27表示有27类，我想要分类处理的话必须要将每一类分离出来，也就是获得27组维度为（8400，2048）的数据。

那么我可以这样做：

#取第一组数据
X_data_1 = X_data[0,:,:]
Y_data_1 = Y_data[0,:]
Y_data_1_reshape = Y_data_1.reshape(8400,1)
print('X_data_1:',X_data_1.shape)
print('Y_data_1:',Y_data_1_reshape.shape)

结果为：

总结

当你想要分离出哪几维数据，或者也就是去掉维度中的哪个，那么就选择将数写在它的位置，这样说可能不太能理解。

用我们之前举的例子来说

• x[:,0]表示取第一列，我们的数据维度为（5，2），我们要分离出的是第2维，也就是去掉的维度是列，那么我们就选择在列上面置0，即可提取第1列。
• x[0,:]表示取第一行，我们的数据维度为（5，2），我们要分离出的是第1维，也就是去掉的维度是行，那么我们就选择在行上面置0，即可提取第1行。
• X_data[0,:,:]表示取第一类数据，我们的数据维度为（27，8400，2048），我们要分离出的是第1维，也就是去掉的维度是类，那么我们就选择在类上面置0，即可提取第1类。

取哪维就在谁上面写数，写的数就是取的第n-1个！！！！