np.array(size)
时间: 2023-08-09 18:05:06 浏览: 103
numpy np.newaxis 的实用分享
`np.array(size)`是一个NumPy数组的构造函数,用于创建一个指定大小的全零数组。其输入参数`size`是一个整数或整数元组,表示数组的形状。
例如,`np.array((3, 4))`将创建一个形状为`(3, 4)`的二维全零数组,可以通过以下代码进行创建和访问:
```python
import numpy as np
# 创建一个形状为(3, 4)的二维数组
a = np.array((3, 4))
# 访问数组的形状和元素
print(a.shape) # 输出(3, 4)
print(a[0, 0]) # 输出0
```
在深度学习中,通常需要创建指定大小的全零数组作为模型的输入或输出。例如,如果需要构造一个形状为`(batch_size, channels, height, width)`的四维输入数组,可以使用以下代码:
```python
import numpy as np
batch_size = 16
channels = 3
height = 224
width = 224
# 创建一个形状为(batch_size, channels, height, width)的四维全零数组
input_array = np.zeros((batch_size, channels, height, width))
```
该代码将创建一个形状为`(batch_size, channels, height, width)`的四维全零数组`input_array`,其中`batch_size`表示批大小,`channels`表示通道数,`height`和`width`表示输入图像的高度和宽度。可以在该数组上进行模型的前向推理,例如:
```python
import torch
# 构造一个随机的PyTorch模型
model = torch.nn.Conv2d(channels, 64, kernel_size=3, stride=1, padding=1)
# 将NumPy数组转换为PyTorch张量
input_tensor = torch.Tensor(input_array)
# 在模型上进行前向推理
output_tensor = model(input_tensor)
# 输出输出张量的形状
print(output_tensor.shape) # 输出torch.Size([16, 64, 224, 224])
```
该代码将随机构造一个PyTorch卷积模型,将NumPy数组转换为PyTorch张量,然后在模型上进行前向推理,并输出输出张量的形状。
阅读全文