例：我們有維度為[Batch_size，T，V，C] 的數據，想得到維度為[Batch_size，T，V，V]的數據：

方法：

def calculate_dis(x): #N,T,V,C#x = np.array(x)sum_x = np.sum(np.square(x),3,keepdims = True)#先求對應元素的平方，然后按列相加，得到(N，T，V，1)的矩陣#print(a.shape)dist = np.add(np.add(-2*np.matmul(x,x.swapaxes(2,3)),sum_x),sum_x.swapaxes(2,3))#np.matmull()函數可以求矩陣指定維度內積，這里x = np.add()函數是將sum_x的轉置行向量依次加到前面的(N,T,V,V)向量的每一行上。#這里x，x.swapaxes維度分別為[N,T,V,C] 和 [N,T,C,V]return dist

這里我們主要用到：np.square(x)；

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? np.sum(x,dims,keepdims);

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? np.add(x,y) #將y轉置加到x的每一行上，對y維度有要求

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? np.matmul(x,y) #求x,y內積

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? x.swapaxes(a,b) # 將x的a，b維度交換位置。

?

例：我們有維度為[Batch_size，T，V，C] 的數據，想沿T維度求相鄰項的內積之和。

def attention_matrix(x,N,T,V,fps):dis_ = 0for k in range(T//fps + 1):#print(k)index_start = (k * fps if k is 0 else (k * fps - 1) ) index_end = (k+1) * fps - 1if k == T//fps:dis_ += np.sum(np.square(x[:,index_start,:,:] - x[:,-1,:,:]),2) #[N,V]else:dis = np.sum(np.square(x[:,index_start,:,:] - x[:,index_end,:,:]),2)dis_ += disattention_m = np.zeros([N,V,V])#將列向量擴展為對角線元素維向量元素的方陣for i in range (V): attention_m[:,i,i] = dis[:,i] return attention_m

這里我們主要搞清楚如何設置array的索引即可！！

注意：選取高維數據的某一維時應該用 ',? N? ,' 來操作：

例a 尺寸為 [100,25,7,7]

想依次獲取第二維度所代表的所有數據[100,7,7]

就這樣操作：

for i in range (25):

? ? ?b[i]? =? a[:,i,:,:]

?

總結

以上是生活随笔為你收集整理的numpy高级操作，求高维矩阵的距离矩阵（方阵）以及 求某一个维度的累加和 , 矩阵切片操作的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。