改变维度的几种方法(python)

数据维度处理技巧

最新推荐文章于 2025-06-12 16:33:33 发布

原创最新推荐文章于 2025-06-12 16:33:33 发布 · 1.1w 阅读

10 ·

CC 4.0 BY-SA版权

文章标签：

#维度 #高维数组

Python 专栏收录该内容

17 篇文章

订阅专栏

本文详细介绍在数据处理过程中，如何使用numpy库对数据进行扩维操作，包括使用np.newaxis、np.expand_dims以及np.reshape等方法，以适应不同深度学习模型的输入要求。

在训练网络的数据处理中，经常需要对数据进行维度处理。

遇到过的一些常见扩维方法：

a = np.zeros((10,5,5),dtype=np.uint8)
a1 = a[...,np.newaxis]
a2 = np.expand_dims(a, axis=3) # 或axis=-1,表示最后一个维度
a3 = np.reshape(a, (a.shape[0],a.shape[1],a.shape[2],1))
#  a1.shape == a2.shape == a3.shape : (10,5,5,1)

b1 = np.array([a])
b2 = np.expand_dims(a, axis=0)
b3 = np.reshape(a, (1, a.shape[0], a.shape[1], a.shape[2]))
# b1.shape == b2.shape == b3.shape : (1,10,5,5)