Hero_Never_GIVE_UP的博客

>>> import numpy as np>>> a = np.arange(10)>>> aarray([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])>>> a = np.arange(10)>>> aarray([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])>>> a[:,1]array([1, 3, 5, 7, 9])>>.

Python numpy 使用“None”进行切片时可以扩增数据元素的维度，效果等同于于np.newaxis()>>> b = np.arange(10)>>> barray([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])>>> >>> >>> b[None]array([[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]])>>> b[:,None]a

如果训练数据之间相关性很大，比如配对是按照从1到9开始的顺序，则用这样的训练数据训练时很可能导致训练的泛华能力不足，所以有必要训练前把训练数据打乱，同时还要保持打乱前训练数据和训练标签的对应关系。numpy.random.permutation(length)用来产生一个随机序列作为索引，再使用这个序列从原来的数据集中按照新的随机顺序产生随机数据集。length 为训练数据的个数。imp...

# 读取.mat文件所用到的包：scipy.io 或 h5pyimport h5pymatr = h5py.File('file_name.mat','w')#使用keys()方法查看字典有几个主键print(matr.keys())#或者：#通过scipy.io读取.mat文件：import scipy.io as iomatr = io.loadmat('file_name....

# -*- coding:utf-8 -*-import h5pyimport numpy as npfile = h5py.File('myunlim_dataset.hdf5','a')dt_unlimt = file.create_dataset('data',[10,224,224,3],maxshape=[None,224,224,3],chunks=True,comp...