NDArrayガイド
5207 ワード
MXNETで最も主要なオブジェクトはmxnet.である.ndarrayまたはmxnet.nd(略称)パケットが提供する多次元配列.pythonの科学計算パッケージNumpyに詳しいならmxnet.ndarrayとnumpy.ndarryは多くの面で似ています.
基本的な多次元配列は、同じタイプの数値テーブルです.例を挙げると、3次元空間の1つの点の座標[1,2,3]は長さ3の1次元配列である.次の図は、2 D配列を示しています.1次元の長さは2、2次元の長さは3です.
この配列のタイプをNDArrayと呼びます.NDArrayオブジェクトの重要なプロパティ: ndarray.shape配列の次元.これは整数からなるtupleで、各次元の長さを表します.n行m列の行列について,そのshapeは(n,m)である. ndarry.dtypeは、要素タイプを記述するnumpyオブジェクトです. ndarray.size配列中の数の総数、すなわちshape中の要素の積 ndarray.contextは配列を格納するデバイスです.cpuもi-th gpu とすることができる.
配列を作成して配列を作成するには、さまざまな方法があります.例を挙げると、array関数を使用してpythonの通常のlistまたはtupleで配列を作成できます.
numpyを使用することもできます.ndarrayオブジェクト
オプションのパラメータdtypeを使用して、numpyタイプを受け入れる要素タイプを指定できます.デフォルトではfloat 32が使用されます.
要素の値が大きさしか知らない場合は、プレースホルダの内容を作成して初期化できる関数がいくつかあります.
印刷配列は印刷できるように、一般的にasnumpy関数を使用してNDArrayをnumpyに変換します.ndarray.Numpyでは、次のレイアウトを使用します.最後の次元 を左から右に印刷する.最後から2番目の次元 を上から下まで印刷する.残りも上から下へ印刷され、各シートは1つの空行で 隔てられている.
基本操作は、配列上で算術演算子を使用して要素別に操作されます.新しい配列が作成され、結果が埋め込まれます.
Numpyと似ていますが、*は要素別の積として使用され、行列と行列の積はdotを使用します.
+=と*=のような付与演算子は、新しい配列を作成するのではなく、既存の配列を変更するために使用されます.
インデックスとスライスオペレータ[]が最初の次元に作用
私たちもsliceを使います.axisメソッドは特定の次元を切り取ります
shape操作は大きさが変わらない限り配列の形状を変えることができる
メソッドconcatenateは、最初の次元に沿って複数の配列をスタックします.(彼らの形は同じでなければならない).
次元を下げる配列をスカラーに下げることができます
または特定の次元に沿って
ブロードキャストは、レプリケーションによって配列を伝播することができます.次のコードは、2次元に沿って伝播されます.
基本的な多次元配列は、同じタイプの数値テーブルです.例を挙げると、3次元空間の1つの点の座標[1,2,3]は長さ3の1次元配列である.次の図は、2 D配列を示しています.1次元の長さは2、2次元の長さは3です.
[[0, 1, 2]
[3, 4, 5]]
この配列のタイプをNDArrayと呼びます.NDArrayオブジェクトの重要なプロパティ:
配列を作成して配列を作成するには、さまざまな方法があります.例を挙げると、array関数を使用してpythonの通常のlistまたはtupleで配列を作成できます.
import mxnet as mx
# create a 1-dimensional array with a python list
a = mx.nd.array([1,2,3])
# create 2-dimensional array with a nested python list
b = mx.nd.array([[1,2,3],[2,3,4]])
{'a.shape':a.shape,'b.shape':b.shape}
{'a.shape': (3L,), 'b.shape': (2L, 3L)}
numpyを使用することもできます.ndarrayオブジェクト
import numpy as np
import math
c = np.arrange(15).reshape(3,5)
# create a 2-dimensional array from a numpy.ndarray object
a = mx.nd.array(c)
{'a.shape':a.shape}
{'a.shape':(3L,5L)}
オプションのパラメータdtypeを使用して、numpyタイプを受け入れる要素タイプを指定できます.デフォルトではfloat 32が使用されます.
# float32 is used in default
a = mx.nd.array([1,2,3])
# create an int32 array
b = mx.nd.array([1,2,3],dtype=np.int32)
# create a 16-bit float array
c = mx.nd.array([1.2,2.3],dtype=np.float16)
(a.dtype,b.dtype,c.dtype)
(numpy.float32, numpy.int32, numpy.float16)
要素の値が大きさしか知らない場合は、プレースホルダの内容を作成して初期化できる関数がいくつかあります.
# create a 2-dimensional array full of zeros with shape(2,3)
a = mx.nd.zeros((2,3))
# create a same shape array full of ones
b = mx.nd.ones((2,3))
# create a same shape array with all elements set to 7
c = mx. nd.full((2,3),7)
# create a same shape whose initial content is random and
# depends on the state of the memory
d = mx.nd.empty((2,3))
印刷配列は印刷できるように、一般的にasnumpy関数を使用してNDArrayをnumpyに変換します.ndarray.Numpyでは、次のレイアウトを使用します.
b = mx.nd.ones((2,3))
b.asnumpy()
array([[1.,1.,1.],
[1.,1.,1.]],dtype=float32)
基本操作は、配列上で算術演算子を使用して要素別に操作されます.新しい配列が作成され、結果が埋め込まれます.
a = mx.nd.ones((2,3))
b = mx.nd.ones((2,3))
# elementwise plus
c = a+b
# elementwise minus
d = - c
# elementwise pow and sin,and then transpose , sin,
e = mx.nd.sin(c**2).T
# elementwise max
f = mx.nd.maximum(a,c)
f.asnumpy()
array([[ 2., 2., 2.],
[ 2., 2., 2.]], dtype=float32)
Numpyと似ていますが、*は要素別の積として使用され、行列と行列の積はdotを使用します.
a = mx.nd.ones((2,2))
b = a * a
c = mx.nd.dot(a,a)
{'b':b.asnumpy(),'c':c.asnumpy()}
{'b': array([[ 1., 1.],
[ 1., 1.]], dtype=float32), 'c': array([[ 2., 2.],
[ 2., 2.]], dtype=float32)}
+=と*=のような付与演算子は、新しい配列を作成するのではなく、既存の配列を変更するために使用されます.
a = mx.nd.ones((2,2))
b = mx.nd.ones(a.shape)
b += a
b.asnumpy()
インデックスとスライスオペレータ[]が最初の次元に作用
a = mx.nd.array(np.arange(6).reshape(3,2))
a[1:2] = 1 # 2 , 3 ( 1)
#a[0:2] 1 , 3
a[:].asnumpy()
array([[ 0., 1.],
[ 1., 1.],
[ 4., 5.]], dtype=float32)
私たちもsliceを使います.axisメソッドは特定の次元を切り取ります
d = mx.nd.slice_axis(a,axis=1,begin=1,end=2) # , 2 , 3 ( )
d.asnumpy()
array([[ 1.],
[ 1.],
[ 5.]], dtype=float32)
shape操作は大きさが変わらない限り配列の形状を変えることができる
a = mx.nd.array(np.arange(24))
b = a.reshape((2,3,4))
b.asnumpy()
array([[[ 0., 1., 2., 3.],
[ 4., 5., 6., 7.],
[ 8., 9., 10., 11.]],
[[ 12., 13., 14., 15.],
[ 16., 17., 18., 19.],
[ 20., 21., 22., 23.]]], dtype=float32)
メソッドconcatenateは、最初の次元に沿って複数の配列をスタックします.(彼らの形は同じでなければならない).
a = mx.nd.ones((2,3))
b = mx.nd.ones((2,3))*2
c.asnumpy()
array([[ 1., 1., 1.],
[ 1., 1., 1.],
[ 2., 2., 2.],
[ 2., 2., 2.]], dtype=float32)
次元を下げる配列をスカラーに下げることができます
a = mx.nd.ones((2,3))
b = mx.nd.sum(a)
b.asnumpy()
array([ 6.], dtype=float32)
または特定の次元に沿って
c = mx.nd.sum_axis(a,axis=1)#
c.asnumpy()
array([ 3., 3.], dtype=float32)
ブロードキャストは、レプリケーションによって配列を伝播することができます.次のコードは、2次元に沿って伝播されます.
a = mx.nd.array(np.arange(6).reshape(6,1))
b = a.broadcast_to((6,2))
b.asnumpy()
array([[ 0., 0.],
[ 1., 1.],
[ 2., 2.],
[ 3., 3.],
[ 4., 4.],
[ 5., 5.]], dtype=float32)