YJYS_ZHX的博客

1 改变类型numpy：array.astype()torch: tensor.type()import numpy as npimport torchif __name__=="__main__": nn = np.array(1) tt = torch.tensor(1) nn.astype(dtype=np.long) nn.astype(dtype=np.int32) tt.float() tt.type(dtype=torch.flo

np.random.choice(a, size=None, replace=True, p=None)#a为一维数组或者int，size默认None，此时返回一个值，也可以为int或者tuple，replace=True为有放回的选择，可能出现重复，p为概率列表，之和应该为1.Parameters: a : 1-D array-like or int If an ndarray, a random sample is generated from its elements.

<1> np.where( condition )输入只有条件数组condition的话，返回的是满足条件的元素索引。1）condition为一维数组，返回值out为一个一维数组索引组成的元组；2）condition为二维数组，返回值out为两个一维数组组成的元组，第一个数组为dim=0（行）的索引，第二个数组为dim=1（列）的索引。condition数组： condition二维数组可以来自于数据数组的比较得到。if __name__=="__main__": x = np

if __name__=="__main__":n = np.diag_indices(5)print(n)x = np.arange(0, 25).reshape((5, 5))print(x)print(x[n])#output:(array([0, 1, 2, 3, 4]), array([0, 1, 2, 3, 4]))[[ 0 1 2 3 4] [ 5 6 7 8 9] [10 11 12 13 14] [15 16 17 18 19] [20 21 22