np.expand_dims 小白详解

np.expand_dims

目录

前言

今天给同事讲解了一下np.expand_dims是做什么的。可以简单理解为扩展数组的形状。

Insert a new axis that will appear at the axis position in the expanded array shape（插入一个新轴，该轴将出现在展开的阵列形状中的轴位置）

然后大家可以去分两层理解这个函数。

第一层理解：这个axis会插在形状的哪里（知道形状会怎么改变）

假设我们有个数组a

import numpy as np
a=np.array([[1,2,3],[4,5,6]])

a的形状是

如果axis=0，那么改变这个形状的1就会插在第一的位置。

b=np.expand_dims(a, axis=0)

如果axis=1，那么改变这个形状的1就会插在第二的位置。

b=np.expand_dims(a, axis=1)

如果axis=2（或者axis=-1），那么改变这个形状的1就会插在第三（或者最后）的位置。

b=np.expand_dims(a, axis=2)

第二层理解：这个数组的内在会怎么改变（知道中括号[]会加在哪）

先说结论，会给插入维度后的每个值（或数组）加一个中括号【】。
这里不理解没关系，看下面的例子。

假设我们有个数组a

import numpy as np
a=np.array([[1,2,3],[4,5,6]])

a的形状是

如果axis=0，那么这中括号就会加在最前面的值，生成一个 [a]。

b=np.expand_dims(a, axis=0)

如果axis=2（或者axis=-1），那么这中括号就会加在第三个（最后）的每个值上，（也就是给所有数字都加了一个中括号）

b=np.expand_dims(a, axis=2)

如果axis=1，那么这中括号就会加在第二个（最后）的每个值上

b=np.expand_dims(a, axis=1)

np.expand_dims有什么用

假设你有一张灰度图，读取之后的shape是（360，480）
而模型的输入要求是（1，360，380）或者是（360，480，1）
那么你就可以通过np.expand_dims(a, axis=0)或者np.expand_dims(a, axis=-1)，将形状改变为满足模型的输入。

参考网址

https://docs.scipy.org/doc/numpy-1.17.0/numpy-ref-1.17.0.pdf
np.expand_dims()：https://blog.csdn.net/hong615771420/article/details/83448878

结束语

画框框哪里真的是太麻烦了，都看到这了就点个赞和关注咯。
如果有不清楚的地方，可以留言或者私信我。感谢各位咯。