np.expand_dims

前言

今天给同事讲解了一下np.expand_dims是做什么的
    
    
    
。可以简单理解为扩展数组的形状     


     


     


 。

Insert a new axis that will appear at the axis position in the expanded array shape（插入一个新轴
    
    
    
，该轴将出现在展开的阵列形状中的轴位置）

然后大家可以去分两层理解这个函数 




 




 




 。

第一层理解：这个axis会插在形状的哪里（知道形状会怎么改变）

假设我们有个数组a

import numpy as np a=np.array([[1,2,3],[4,5,6]])

a的形状是

如果axis=0     


     


     


 ，那么改变这个形状的1就会插在第一的位置

   

   

   

。 b=np.expand_dims(a, axis=0)

如果axis=1 




 




 




 ，那么改变这个形状的1就会插在第二的位置     

     

     

。

b=np.expand_dims(a, axis=1)

如果axis=2（或者axis=-1）

   

   

   

，那么改变这个形状的1就会插在第三（或者最后）的位置  




  




  




  。

b=np.expand_dims(a, axis=2)

第二层理解：这个数组的内在会怎么改变（知道中括号[]会加在哪）

先说结论     

     

     

，会给插入维度后的每个值（或数组）加一个中括号【】


  


  


  

。

这里不理解没关系  




  




  




  ，看下面的例子     
     
     
。

假设我们有个数组a

import numpy as np a=np.array([[1,2,3],[4,5,6]])

a的形状是

如果axis=0


  


  


  

，那么这中括号就会加在最前面的值     
     
     
，生成一个 [a]   




   




   




  。 b=np.expand_dims(a, axis=0)

如果axis=2（或者axis=-1）   




   




   




  ，那么这中括号就会加在第三个（最后）的每个值上



 



 



 

，（也就是给所有数字都加了一个中括号）

b=np.expand_dims(a, axis=2)

如果axis=1               ，那么这中括号就会加在第二个（最后）的每个值上

b=np.expand_dims(a, axis=1)

np.expand_dims有什么用

假设你有一张灰度图    




    




    




  ，读取之后的shape是（360
















，480）

而模型的输入要求是（1               ，360     



     



     



  ，380）或者是（360















，480
    
    
    
，1）

那么你就可以通过np.expand_dims(a, axis=0)或者np.expand_dims(a, axis=-1)     


     


     


 ，将形状改变为满足模型的输入



 



 



 

。

参考网址

https://docs.scipy.org/doc/numpy-1.17.0/numpy-ref-1.17.0.pdf

np.expand_dims()：https://blog.csdn.net/hong615771420/article/details/83448878

结束语

画框框哪里真的是太麻烦了 




 




 




 ，都看到这了就点个赞和关注咯               。

如果有不清楚的地方

   

   

   

，可以留言或者私信我    




    




    




  。感谢各位咯
















。