NDArrayガイド

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.

[[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:

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.

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.

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.

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)