- [1,2]的shape值(2,),意思是一维数组,数组中有2个元素。
a = np.array([1,2,3])
a.shape
输出为(3,)
它更多的是和多维做对比,表示一维数组,如果非要从行列的角度考虑。如果 W.shape = (2, 4), x.shape = (2, ) np.dot(W.T, x):此时x是列向量, np.dot(x, W) 此时 x 是行向量,两种情况下返回的也均是一维向量,无所谓行列的概念。
- [[1],[2]]的shape值是(2,1),意思是一个二维数组,每行有1个元素。
a = np.array([[1,2,3],
[4,5,6]])
a.shape
输出为(2,3)
- [[1,2]]的shape值是(1,2),意思是一个二维数组,每行有2个元素。(二维数组不一定有两行哦)
a = np.array([[1,2,3]])
a.shape
输出为(1,3)
本文详细解析了NumPy数组的形状属性,通过具体实例说明了一维、二维数组的shape值含义,以及在矩阵运算中shape如何影响操作结果。
3543

被折叠的 条评论
为什么被折叠?



